基于信息熵的自适应多分类器交通数据插值模型

摘要

为了解决单一交通数据缺失值插补模型不能全面地考虑交通数据多源异构、数据量复杂等问题，提出一种基于信息熵来确定自适应权重的多分类器插值模型。首先，选择表示“混乱度”的信息熵来衡量预测结果的优劣进而确定多分类器的权重；其次，设计动态的自适应权重设定方法来解决设备差异性引起的不同样本适应的分类器不同的问题；最后，在公共数据集与自采数据集上进行验证。结果表明：所提模型相较于其他插值模型在检测效果上取得了显著的提升，并且在公开数据集“州际公路交通流量数据集”上进行的实验也取得了较高精度，F1达到0.778,RMSE提升10%,具有较强的泛化性。在使用信息熵确定权重模型的基础上，使权重跟随数据流自适应变化，具有较快的检测速度和更高的准确度，为交通数据清洗中缺失值填补模型的建立提供了技术参考。

关键词

数据处理 / 交通数据清洗 / 缺失值预测 / 信息熵 / 自适应权重