【摘要】：車型識別是智能交通系統(tǒng)的一個重要部分。由于單一傳感器獲得信息的不全面性和不準確性,為正確分類帶來了困難。因此本文使用紅外與可見光傳感器對目標進行圖像采集,采用典型相關分析對提取的特征向量進行融合來獲得對目標的一致性描述。在眾多分類算法中,最小二乘支持向量機由于其識別精度高,參數(shù)數(shù)目少,算法簡便而被廣泛應用。本文圍繞最小二乘支持向量機在車型識別中的應用展開研究,主要的研究內(nèi)容與創(chuàng)新點歸納為以下幾個方面:1、對最小二乘支持向量機算法進行改進�？紤]到最小二乘支持向量機的參數(shù)沒有完備的數(shù)學理論確定且又影響最終的分類結(jié)果,引入了差分進化算法對其進行參數(shù)尋優(yōu)。在分析了傳統(tǒng)差分進化算法理論的基礎上,針對其易陷入早熟收斂的問題做出改進。經(jīng)過仿真試驗證明改進算法可以跳出局部最優(yōu)點,克服傳統(tǒng)算法的缺陷,使用改進后的差分進化算法對最小二乘支持向量機進行參數(shù)尋優(yōu)可有效提高其正確分類率。2、對采集的圖像進行特征提取。紅外圖像的對比度不高、無法反映目標細節(jié),需要進行預處理操作。本文選擇了中值濾波和直方圖均衡化作為紅外圖像去噪和增強的算法,采用核主成分分析方法提取紅外圖像的特征向量;與傳統(tǒng)算法相比,卷積神經(jīng)網(wǎng)絡可以輸入原始圖像,避免了繁復的預處理步驟,算法較為簡便。但其需要海量樣本數(shù)據(jù)訓練,本文提出一種CNN-LSSVM算法來提取可見光圖像的特征向量,避免了復雜的預處理步驟且經(jīng)過仿真實驗證明改進算法在小樣本情況下依然有良好的分類率。3、將前文研究應用于車型識別。在分析了信息融合的各類結(jié)構(gòu)模型及融合過程的基礎上,采用了典型相關分析進行特征級融合;最小二乘支持向量機應用于實際多分類問題中需要對其進行多分類推廣,本文對常用的幾種多分類推廣方法進行了對比,選擇了編碼法進行多分類推廣�；谝陨系难芯�,設計了基于多源最小二乘支持向量機的車型識別實驗并證明了本文方法的有效性。
【學位授予單位】：西安工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;U495
【圖文】：

２．１＿１最小二乘支持向量機理論逡逑１）核函數(shù)逡逑如圖２．１所示，非線性分類問題就是無法用線性模型將正負實例正確分開但可以用非逡逑線性模型分開的分類問題。逡逑在逡逑．＼ｘ邋ｘＶ＊逡逑＇＇＇邐？逡逑？邋？逡逑圖２．１非線性分類示例圖逡逑但由于非線性分類問題求解復雜，解決這類非線性分類問題的思想方法一般將之進逡逑行非線性變換轉(zhuǎn)變?yōu)榫�性問題求解。核技術被Ｖａｐｎｉｋ；應用于ＳＶＭ用來做非線性擴展。核逡逑方法的基本思想是：將原始數(shù)據(jù)樣本通過一種非線性映射變換到高維特征空間，然后通過逡逑線性方法來處理和分析樣本數(shù)據(jù)。將ＳＶＭ與核方法結(jié)合，由于核方法的特點不需定義映逡逑射函數(shù)，避免了維數(shù)災難從而將線性算法擴展成非線性算法。逡逑核函數(shù)的定義是設＾是輸入空間，Ｈ為特征空間，若存在一個從／到Ｈ的映射逡逑尤卜，２）為核函數(shù)［５３】，為映射函數(shù)，為和以的內(nèi)積。在支持向量機逡逑中目標函數(shù)中的內(nèi)積ｘ，＿？＇可以用核函數(shù)Ａ：ｈ，４邐Ｚ；）代替。但構(gòu)造核函數(shù)必須滿逡逑足Ｍｅｒｃｅｒ定理才可不需要知道映射函數(shù)的具體形式而直接使用核函數(shù)。逡逑Ｍｅｒｃｅｒ定理：保證Ｌ２下的對稱函數(shù)能以正的系數(shù)義＞０展開成逡逑＝邐Ａ：（？

分別設定懲罰因子ｒ為１，１０，０．００１，核參數(shù)0■為［１５邋１０邋１５２０２５邋３０３５４０４５５０５５６０６５逡逑７０邋７５邋８０邋８５邋９０邋９５］。樣本采用邋ＵＣＩ邋數(shù)據(jù)庫（ｈｔｔｐ：／／ａｒｃｈｉｖｅ．ｉｃｓ．ｕｃｉ邋ｅｄｕ／ｍｌ／ｉｎｄｅｘ．ｐｈｐ）的邋Ｉｒｉｓ邋數(shù)逡逑據(jù)集，圖２．２為仿真結(jié)果：逡逑１００邋邐１邐１邐１邐ｉ邐逡逑９０邋？邋／邋＼邋：邋Ｘ邋■邋■■邋■■■■■邋Ａ邋■逡逑Ｉ７。／邋＊＊＇’逡逑Ｉ邐＇邐＊邋＊邋—逡逑萏邐來逡逑Ｎ邋５０邋－邐－逡逑來逡逑４0邋－邐邐（－逡逑ｙ＝０．００１逡逑３０邋－邐—ｙ＝１邋－逡逑來邋ｙ＝１０逡逑２０邋邐１邐１邐１邐＾！邐逡逑０邐２０邐４０邐６０邐８０邐１００逡逑ｄｅｉｔａ逡逑圖２．２不同參數(shù)組合下分類結(jié)果比較圖逡逑由圖２．２的仿真結(jié)果可看出最小二乘支持向量機的兩個參數(shù)懲罰因子／和核參數(shù)0■在逡逑取不同的值，得到的正確分類率也不同且有較大的變化。本次實驗證明了最小二乘支持向逡逑量機的兩個參數(shù)對分類結(jié)果有顯著的影響。隨著科學技術的進步，過往只能依據(jù)傳統(tǒng)的經(jīng)逡逑驗試湊法來確定這兩個參數(shù)己經(jīng)不能滿足日益增長的實際需求，這就局限了最小二乘支逡逑１２逡逑

簡便了算法，加快了求解速度；粒子群算法的參數(shù)數(shù)目多，且容易陷入局部最優(yōu)解。逡逑ＤＥ算法中，影響最終結(jié)果的參數(shù)數(shù)目少，基于ＤＥ算法的種種優(yōu)點，其被廣泛的應用于逡逑求解優(yōu)化問題中。圖２．３是ＤＥ算法的流程圖。逡逑ｆ開始１逡逑ｖ邐逡逑初始化種群逡逑Ｊ！—￣￣邋：邐Ｉ邐■逡逑計算個體適應度｜邋｜迭代次數(shù)加一逡逑，．、邐｜變異交叉選擇逡逑，－著否滿舍－＼Ｎ邐ｆ￣逡逑＇＇妵止條件，逡逑Ｔｙ逡逑ｉ輸出垴優(yōu)結(jié)果逡逑Ｑ結(jié)束）逡逑圖２．３差分進化算法流程圖逡逑１３逡逑

【相似文獻】

相關期刊論文 前10條

1 王鵬;郭朋軍;郭建宇;;激光車型識別技術研究和應用[J];中國交通信息化;2019年S1期

2 李勇;張瑋;;基于多維視頻技術的車型識別系統(tǒng)[J];中國交通信息化;2017年12期

3 宋俊芳;;基于3D模型的精確車型識別[J];智能城市;2018年08期

4 湯銳;劉玉錦;;車型識別技術在打擊高速公路逃費中的應用[J];中國交通信息化;2017年10期

5 顏卓旺;;基于歷史數(shù)據(jù)的車型識別方案[J];中國交通信息化;2012年03期

6 江衛(wèi)強;;Freeman編碼及其在車型識別中的應用[J];機械工業(yè)自動化;1988年03期

7 費東煒;孫涵;;一種基于Bilinear-HashNet網(wǎng)絡的車型識別方法[J];小型微型計算機系統(tǒng);2019年08期

8 康s顂

本文編號：2770035