|
|||||
|
|
| 基于半监督SVM的交通方式特征分析和识别 | |
| 作者单位： | ;1.西南交通大学交通运输与物流学院 |
| 摘 要： | 为解决基于手机信令数据识别大规模用户交通方式问题,多维度分析出行方式特征,提出结合主动学习和Tri-training的半监督支持向量机算法。以手机信令出行链为基础,将出行特征划分为距离、时间、速度、出行者属性等四类,并进一步研究多维度特征及其计算方法 ,基于有向无环图设计一种结合主动学习与基于Tri-training的半监督多分类支持向量机。运用HY市手机信令数据构建样本集并训练该分类器,与多种监督学习分类算法进行比较。结果表明主动学习构造的富含信息的已标记样本集可以减少半监督学习的迭代次数,Tri-training半监督支持向量机可以通过大量未标记样本提升分类器准确率,结合主动学习与Tri-training半监督支持向量机算法可以有效地识别手机信令数据出行链的交通方式。 |
| 关 键 词： | 交通大数据 交通方式 主动学习 半监督学习 支持向量机 |
Transportation Mode Feature Analysis and Recognition Based on Semi-supervised Support Vector Machine |
|
| Abstract: | |
| Keywords: | |