Please wait a minute...
 
主管单位:广东省科学技术厅
主办单位:广东省科技合作研究促进中心
编辑出版:《电脑与电信》编辑部
ISSN 1008-6609 CN 44-1606/TN
邮发代号:46-95
国内发行:广东省报刊发行局
《电脑与电信》唯一官方网站。
电脑与电信  2016, Vol. 1 Issue (8): 74-76    
  应用技术与研究 本期目录 | 过刊浏览 | 高级检索 |
几种不同的方法在GPS 大数据 探查中的应用分析
刘鑫,张驰,刘汝涛
山东科技大学测绘科学与工程学院
Analysis of the Application of Several Different Methods in GPS Big Data Exploration
Liu Xin,Zhang Chi,Liu Rutao
Shandong University of Science and Technology
全文: PDF(0 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 GPS 定位系统对车辆的运行调控以及拥堵性分析具有重要意义。但定时采样的GPS 数据难免存在坏点的情 况,而坏点的存在对分析结果容易产生较大错误,从而影响交通管理决策。本文通过高斯混合模型、K-均值聚类分析以及 SOM 自组织神经网络三种方法完成对原始数据时间段划分、字段提取以及坏值清理的操作。这三种方法主要用于对数据进 行聚类分析,根据分析结果识别孤立点从而进行清理。结果显示,高斯聚类与K-均值聚类算法的坏点识别精度小于SOM 自 组织神经网络,但前两种算法的运行效率较后者高。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
刘鑫
张驰
刘汝涛
关键词 坏点GPS模型处理神经网络    
Abstract:It is significant for the GPS positioning system to control the vehicle and analyzes the congestion. But there are bad values in GPS sampling data, easy to produce large error on the analysis results, thus affecting the traffic management decision. This paper completes the original data segment, field extraction and bad values cleaning using Gauss mixture model, K- means clustering analysis and SOM self-organizing neural network separately. Thees three methods are mainly used for data clustering analysis, cleaning the isolated points according to the results. The results show that the recognition accuracy of Gauss clustering and K- clustering algorithm is less than SOM self-organizing neural network, but the operating efficiency of the first two algorithms is better than the latter.
Key wordsbad value    GPS    model procession    neural network
年卷期日期: 2016-08-10      出版日期: 2017-11-14
:  TP311.13  
作者简介: 刘鑫,男,山东烟台人,本科,研究方向:地理信息系统开发等研究。
引用本文:   
刘鑫, 张驰, 刘汝涛. 几种不同的方法在GPS 大数据 探查中的应用分析[J]. 电脑与电信, 2016, 1(8): 74-76.
Liu Xin, Zhang Chi, Liu Rutao . Analysis of the Application of Several Different Methods in GPS Big Data Exploration. Computer & Telecommunication, 2016, 1(8): 74-76.
链接本文:  
https://www.computertelecom.com.cn/CN/  或          https://www.computertelecom.com.cn/CN/Y2016/V1/I8/74
[1] 李春辉王小英张庆洁刘翰卓梁嘉烨高宁康. 基于多尺度卷积神经网络的DDoS攻击检测方法[J]. 电脑与电信, 2024, 1(6): 35-.
[2] 周 锐  刘海军  邢丽莉  崔春杰  王高远. 基于卷积神经网络的儿童自闭症面部特征分类[J]. 电脑与电信, 2024, 1(5): 38-.
[3] 任 豪. 结合注意力特征融合的八度卷积表情识别方法[J]. 电脑与电信, 2024, 1(5): 71-.
[4] 王 瑾  王 睿. 基于多尺度特征深度学习的人脸表情识别算法[J]. 电脑与电信, 2024, 1(5): 75-.
[5] 刘星晨 袁一平. 基于改进的BP神经网络负荷预测[J]. 电脑与电信, 2024, 1(3): 68-.
[6] 王梓润 王仟怡 袁文佳 王晓萌 卫 笑 刘 伟 范修竹.
基于混合智能算法对销售量的预测研究
[J]. 电脑与电信, 2023, 1(3): 33-37.
[7] 郝艳艳.
基于卷积神经网络的小麦病害识别研究
[J]. 电脑与电信, 2022, 1(9): 19-21.
[8] 张小雪 黄 巍.
基于卷积神经网络的交通标志识别算法
[J]. 电脑与电信, 2022, 1(7): 1-.
[9] 刘逸琛.
基于变分自编码器的商品文本分类算法设计
[J]. 电脑与电信, 2022, 1(6): 37-.
[10] 张继超.
基于ELM算法的Chebyshev神经网络在常微分
方程数值解中的应用
[J]. 电脑与电信, 2022, 1(6): 58-.
[11] 王鹏程 苏一水 王茂发.
基于神经网络的面包智能溯源系统
[J]. 电脑与电信, 2022, 1(5): 19-.
[12] 李小红 白伟丽.
基于EMD和RBFNN的冷负荷组合预测模型
[J]. 电脑与电信, 2022, 1(1-2): 75-80.
[13] 贾 亮 徐善博 邢轶博.
基于FPGA的卷积神经网络图像识别算法研究
[J]. 电脑与电信, 2022, 1(12): 58-.
[14] 张梓浩 刘鹏浩 谢汉辉 邵国林 吴振凯 张嘉利.
面向多场所的基于深度学习电动车
智能安全检测系统
[J]. 电脑与电信, 2022, 1(10): 40-44.
[15] 张 望.
基于空间通道Transformer的双分支网络图像去雾方法
[J]. 电脑与电信, 2022, 1(10): 82-89.
No Suggested Reading articles found!
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
  Copyright © 电脑与电信 All Rights Reserved.
地址:广州市连新路171号广东国际科技中心 邮编:510033
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn
粤ICP备05080322号-4