基于SVM的高速公路事件检测方法

1、引言 对于高速公路交通事件检测来讲,事件的发生频率一般比较小,大部分时间为无事件发生情况,即对于采集的样本数据,大量的样本会集中在某一个紧凑区域,称为正常样本;而少量事件样本会根据事件发生时的特征散布在另外一个区域。为了达到检测目的,需要找到一个超平面很好地把这两类样本分开。通过研究发现,SVM的分类方法能够较好地解决此问题;SVM根据结构风险最小化原则,能够提高学习机的泛化能力,即由有限的训练集样本得到的决策规则,对独立的测试集仍能够得到较小的误差。