基于神经网络的交通事件检测算法

回顾了几种传统的交通事件检测算法 ,提出从多层前向人工神经网络角度建立模型 ,并运用 BP算法予以实现。在将 BP算法与传统算法进行比较之后 ,发现 BP算法具有检测率高、误报率低、检测时间短的优点 ,同时也存在不足之处 ,指出了今后进一步研究的方向。

基于BP神经网络的高速公路交通事件检测

为进一步提高高速公路交通事件检测的准确性,将人工神经网络应用于交通事件检测。提出一种基于BP神经网络的交通事件检测方法,设计了适合该检测系统的网络结构。仿真结果表明:相对于其他算法,该网络结构具有检测率高、误报率低、检测时间短的优点,完全适用于交通事件检测系统,同时也存在不足之处,指出了今后进一步研究的方向。

基于人工神经网络的交通事件检测

回顾几种传统的交通事件检测算法,提出从多层前向人工神经网络角度建立模型,并运用BP算法予以实现。在将BP算法与传统算法进行比较之后,发现BP算法具有检测率高、误报率低、检测时间短的优点,同时也存在不足之处,指出了今后进一步研究的方向。

基于遗传神经网络的入侵检测模型

针对入侵检测系统中存在的对入侵事件高误报率和漏报率问题,提出了遗传神经网络,该方法基于遗传算法的全局搜索和BP网络局部精确搜索的特性,利用遗传算法优化网络初始权重,将遗传算法和BP算法有机结合.实验结果表明,该算法正确鉴定合法的用户矢量为93%,发生7%的误报率.与BP、GA算法相比,分别高出2.875%和5.562%.

基于BP神经网络的高速公路交通事件检测

回顾了几种传统的交通事件检测算法，提出基于多层前向人工神经网络的检测模型，并运用BP算法予以实现。在将BP算法与传统算法进行比较之后，发现BP算法具有检测率高、误报率低、平均检测时间短的优点，同时也存在不足之处，指出了今后进一步研究的方向。