论文部分内容阅读
为了进一步提高决策树模型的交通事件检测性能，且避免噪音和过拟合现象，提出了基于随机森林的交通事件检测方法．从分类强度和相关性2个角度进行分析，并构建了3组实验：与不同数目决策树的对比、与不同决策树的对比及与神经网络的对比．实验数据采用实测的高速公路交通参数数据库（1-880数据库）；实验的评价指标采用检测率、误警率、平均检测时间、分类率和ROC曲线下的面积．实验结果表明，基于随机森林的交通事件检测模型可以提高检测率、减少检测时间、提高分类正确率，和多层前馈神经网络相比具有很好的竞争力．