基于HMMR的无监督路面不平度分类方法OA
针对高等级随机路面在分类过程中,数据幅值差异过大导致分类易出现错误的问题,提出了一种新的无监督分类方法。利用隐马尔可夫模型对多维时间序列进行分类,通过BaumWelch算法在无监督框架中进行参数估计,实现MAP算法对观测数据进行分类。结果表明,该算法的分类准确率相较于HMM提高5.09%,能够准确地对随机路面不平度进行分类,所提出的方法充分考虑了数据的时序性,适用于时间序列数据的分类。
张娜;吴信元;彭文韬
黑龙江科技大学电气与控制工程学院,哈尔滨150022黑龙江科技大学电气与控制工程学院,哈尔滨150022黑龙江科技大学电气与控制工程学院,哈尔滨150022
交通工程
路面不平度隐马尔可夫模型多元回归无监督学习
《黑龙江科技大学学报》 2026 (1)
P.146-151,6
黑龙江科技大学博士后科研启动基金项目(2025BSH01)。
评论