摘要
摘要：持向量数据描述算法（SVDD）是一种近年来运用得越来越多的单分类算法，具有很好的泛化能力，且运用核函数能有效解决“维数灾难”问题，可以较好的划分交通流数据分布特征。虽然在传统的SVDD只关注正类样本，能很好的通过单类数据进行机器学习，但我们又可以使用负类样本点来更好的完善SVDD所构造的超球面的分类性能。这就提出了带负类样本的支持向量数据描述算法（SVDD-NE）。之后通过对比不同分类算法的性能来验证SVDD-NE方法的有效性。最后将SVDD-NE运用于实际道路交通流数据的拥堵判别，用来增加道路拥堵的判别方法，实验证明该方法可以较好的支持道路车流拥堵情况识别，为诊断道路运作情况提供了技术基础。
出版日期
2023年12月22日（中国期刊网平台首次上网日期，不代表论文的发表时间）
