改进FCM的交通流缺失数据修复方法

摘要

针对传统模糊C均值(FCM)算法中聚类数目和模糊度指数由先验知识人为确定而影响聚类结果精度的问题,提出一种改进FCM的交通流缺失数据修复方法.首先根据模糊决策理论,使用FCM目标函数和划分熵共同确定最优模糊度指数;其次利用模拟退火算法优化FCM的聚类数目;最后结合交通流数据的时空相关性提升修复效果.以美国加州运输局运行监测系统提供的高速公路交通数据为研究对象,实验结果表明:该方法克服了传统FCM算法全局搜索能力不足的问题,与传统FCM算法相比,其均方根误差降低了约30％.