摘要
本发明公开了基于无监督终身学习的道路异常事件检测预警方法及系统,包括:利用分道路沿线和车端的多种传感器采集交通场景数据并预处理;采用自编码器对图像数据进行无监督特征提取,对非图像数据使用主成分分析法进行特征降维提取主要特征;初始化异常检测模型,采用K‑Means聚类算法将特征空间划分簇,形成初始的正常交通模式的正常簇集合;接收新的交通数据,采用增量学习法,基于密度的聚类算法以及弹性权重整合方法,对模型持续进行在线学习和更新;将新采集数据输入更新后的模型中进行异常检测和道路异常事件报警;本发明通过无监督特征提取、模型初始化以及终身学习与模型更新机制实现对道路异常事件的高效、准确检测和及时预警。
技术关键词
检测预警方法
异常事件
无监督特征提取
主成分分析法
编码器
模型更新
异常数据
邻居
重构原始图像
占用应急车道
数据采集模块
模式
历史交通数据
三维空间信息
北斗定位系统
预警模块
系统为您推荐了相关专利信息
自动评估方法
图像
智能水表设备
特征提取模块
前馈神经网络
语音生成方法
信号分析
分类模型识别
信号特征
语音技术
飞行状态监测
异常事件
动态障碍物
专家规则库
注意力参数
遥感分类方法
激光雷达数据
高层语义特征
融合特征
样本
实时监测方法
海量数据关联分析
互联网攻击检测
异常事件
监督算法