基于(SAGA-FCM)-PNN的交通状态判别方法研究.pdf
<h3>一、基本信息</h3><p>文档名称：基于(SAGA-FCM)-PNN的交通状态判别方法研究</p>
<p>文档格式：pdf格式</p>
<p>文档大小：0.96MB</p>
<p>总页数：8页</p>
</br>
<h3>二、简介</h3>
<p>《基于(SAGA-FCM)-PNN的交通状态判别方法研究》提出了一种结合SAGA优化算法、模糊C均值聚类（FCM）和概率神经网络（PNN）的交通状态识别方法。该方法通过SAGA算法优化FCM参数，提升聚类效果，再利用PNN进行分类识别，提高交通状态判断的准确性与稳定性。研究针对城市交通数据的复杂性与不确定性，融合智能优化与机器学习技术，实现对交通流状态的高效判别。实验结果表明，该方法在交通拥堵识别和通行效率评估方面具有良好的应用前景，为智能交通系统提供了新的技术思路。</p>
</br>
<h3>三、预览</h3>
<img src="https://d.z3060.com/docthumbnail/202509/03/c1z1nce2bex.webp" title="基于(SAGA-FCM)-PNN的交通状态判别方法研究" alt="基于(SAGA-FCM)-PNN的交通状态判别方法研究">
页:
[1]