改进FCM的交通流缺失数据修复方法

发布时间：2021-01-07 23:08

　　针对传统模糊C均值（FCM）算法中聚类数目和模糊度指数由先验知识人为确定而影响聚类结果精度的问题,提出一种改进FCM的交通流缺失数据修复方法。首先根据模糊决策理论,使用FCM目标函数和划分熵共同确定最优模糊度指数;其次利用模拟退火算法优化FCM的聚类数目;最后结合交通流数据的时空相关性提升修复效果。以美国加州运输局运行监测系统提供的高速公路交通数据为研究对象,实验结果表明:该方法克服了传统FCM算法全局搜索能力不足的问题,与传统FCM算法相比,其均方根误差降低了约30%。 

【文章来源】：传感器与微系统. 2020,39(10)

【文章页数】：4 页

【部分图文】：

基于FCM的缺失数据修复过程

由图2、图3可得知，本文提出的方法修复值与真实值之间拟合良好，整体的相对误差低于2%。但最大相对误差为0.23，说明改进的FCM算法对于个别数据的修复还有局限性。总体来说，采用改进的FCM算法能更好地修复缺失数据，而且修复结果精度较高。图3 真实值与修复值的相对误差

真实值与修复值的相对误差

【参考文献】：
期刊论文
[1]交通流缺失数据处理方法比较分析[J]. 孟鸿程,陈淑燕.  交通信息与安全. 2018(02)
[2]动态交通数据异常值的实时筛选与恢复方法[J]. 徐程,曲昭伟,陶鹏飞,金盛.  哈尔滨工程大学学报. 2016(02)
[3]模拟退火优化FCM聚类高光谱图像压缩研究[J]. 赵学军,王晓娟,于凯敏,乔旭.  北京邮电大学学报. 2015(05)
[4]基于S-G滤波的交通流故障数据识别与修复算法[J]. 陆化普,屈闻聪,孙智源.  土木工程学报. 2015(05)
[5]基于自适应模糊度参数选择改进FCM算法的负荷分类[J]. 周开乐,杨善林,王晓佳,陈志强.  系统工程理论与实践. 2014(05)
[6]基于模拟退火的样本加权FCM算法[J]. 段林珊,刘培玉,谢方方.  计算机工程与设计. 2013(06)
[7]基于灰色残差GM（1,N）模型的交通流数据恢复算法[J]. 郭敏,蓝金辉,李娟娟,林宗术,孙新荣.  交通运输系统工程与信息. 2012(01)
[8]考虑时空相关性的固定检测缺失数据重构算法[J]. 孙玲,刘浩,牛树云.  交通运输工程学报. 2010(05)
[9]模糊c-均值聚类算法中加权指数m的研究[J]. 高新波,裴继红,谢维信.  电子学报. 2000(04)

博士论文
[1]基于机器学习的交通状态判别与预测方法研究[D]. 商强.吉林大学 2017

硕士论文
[1]城市快速路交通流数据修复方法研究[D]. 金逸文.上海交通大学 2008



本文编号：2963421