摘要：1、引言 对于高速公路交通事件检测来讲，事件的发生频率一般比较小，大部分时间为无事件发生情况，即对于采集的样本数据，大量的样本会集中在某一个紧凑区域，称为正常样本；而少量事件样本会根据事件发生时的特征散布在另外一个区域。为了达到检测目的，需要找到一个超平面很好地把这两类样本分开。通过研究发现，SVM的分类方法能够较好地解决此问题；SVM根据结构风险最小化原则，能够提高学习机的泛化能力，即由有限的训练集样本得到的决策规则，对独立的测试集仍能够得到较小的误差。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社