重庆理工大学学报（自然科学） ›› 2024, Vol. 38 ›› Issue (8): 191-201.
张 兵，邹少权，陆春霖，陈渤文，薛运强
摘要： 为解决交通事件检测中特征稀少与样本失衡的问题，提出一种基于变分自编码器（ＶＡＥ）随机森林（ＲＦ）分类梯度提升树（ＣａｔＢｏｏｓｔ）的交通事件检测框架。依据 ４条规则构建较为全面的初始特征集。使用 ＶＡＥ进行数据平衡。之后，采用 ＲＦ算法筛选出最佳输入特征集。最后，采用 ＣａｔＢｏｏｓｔ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 ６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除误报率之外，各项评价指标均取得最优结果，表明在交通事件检测方面具备优异性能。
中图分类号:
主管单位：重庆市教育委员会