摘要： 为解决交通事件检测中特征稀少与样本失衡问题，提出一种基于变分自编码器-随机森林-分类梯度提升树的交通事件检测框架。首先，依据四条规则构建较为全面的初始特征集。其次，使用变分自编码器进行数据平衡。之后，采用随机森林算法筛选出最佳输入特征集。最后，采用分类梯度提升树算法作为分类器检测交通事件。使用真实世界的交通数据集设计实验，并选择六个有效评价指标对实验结果进行评价。结果表明：所提出的交通事件检测框架在除误报率之外的各项评价指标中均取得最优结果，表明其在交通事件检测方面具备优异性能。
张兵, 邹少权, 陆春霖, 陈渤文, 薛运强. 采用VAE-CatBoost的高速公路交通事件检测框架[J]. 重庆理工大学学报（自然科学）, 0, (): 1-.
主管单位：重庆市教育委员会