基于聚类支持向量机的车型识别方法研究

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于聚类支持向量机的车型识别方法研究

何尧, 孙逸凡, 杜豫川

文章导航 > 交通信息与安全 > 2012 > 30(5): 55-59,64

何尧, 孙逸凡, 杜豫川. 基于聚类支持向量机的车型识别方法研究[J]. 交通信息与安全, 2012, 30(5): 55-59,64. doi: 10.3963/j.issn.1674-4861.2012.05.012

引用本文:

何尧, 孙逸凡, 杜豫川. 基于聚类支持向量机的车型识别方法研究[J]. 交通信息与安全, 2012, 30(5): 55-59,64. doi: 10.3963/j.issn.1674-4861.2012.05.012

HE Yao, SUN Yifan, DU Yuchuan. A Vehicle Identification Method Based on Clustering Support Vector Machine[J]. Journal of Transport Information and Safety, 2012, 30(5): 55-59,64. doi: 10.3963/j.issn.1674-4861.2012.05.012

Citation:

HE Yao, SUN Yifan, DU Yuchuan. A Vehicle Identification Method Based on Clustering Support Vector Machine[J]. Journal of Transport Information and Safety, 2012, 30(5): 55-59,64. doi: 10.3963/j.issn.1674-4861.2012.05.012

何尧, 孙逸凡, 杜豫川. 基于聚类支持向量机的车型识别方法研究[J]. 交通信息与安全, 2012, 30(5): 55-59,64. doi: 10.3963/j.issn.1674-4861.2012.05.012

引用本文:

何尧, 孙逸凡, 杜豫川. 基于聚类支持向量机的车型识别方法研究[J]. 交通信息与安全, 2012, 30(5): 55-59,64. doi: 10.3963/j.issn.1674-4861.2012.05.012

HE Yao, SUN Yifan, DU Yuchuan. A Vehicle Identification Method Based on Clustering Support Vector Machine[J]. Journal of Transport Information and Safety, 2012, 30(5): 55-59,64. doi: 10.3963/j.issn.1674-4861.2012.05.012

Citation:

HE Yao, SUN Yifan, DU Yuchuan. A Vehicle Identification Method Based on Clustering Support Vector Machine[J]. Journal of Transport Information and Safety, 2012, 30(5): 55-59,64. doi: 10.3963/j.issn.1674-4861.2012.05.012

基于聚类支持向量机的车型识别方法研究

doi: 10.3963/j.issn.1674-4861.2012.05.012

同济大学道路与交通工程教育部重点实验室上海200092
同济大学道路与交通工程教育部重点实验室上海200092
同济大学道路与交通工程教育部重点实验室上海200092

基金项目:

国家科技支撑计划项目

上海市浦江人才计划资助项目

中图分类号: U491
计量
- 文章访问数: 231
- HTML全文浏览量: 49
- PDF下载量: 0
- 被引次数: 0
出版历程
- 刊出日期: 2012-10-28

A Vehicle Identification Method Based on Clustering Support Vector Machine

摘要: 地磁感应波形通过数据融合初步提取出结构、频谱和数值3个范畴的特征.利用Filter-Filter-wrapper模式对初步提取的特征进行组合式特征评估,即采用改进的ReliefF算法挑选最适合车型分类的不冗余特征,再建立Top-K机制的交叉验证搜索最优特征组合.引入基于聚类支持向量机(C-SVM)的车型分类算法,并采用微粒群算法对C-SVM算子中的核函数参数和惩罚系数进行了优化,构建了微粒群优化的C-SVM车型分类器.实验结果显示该车型分类方法能显著提高数据挖掘的效率,机器学习的能力,并且具备较高的车型分类准确率.
- 地磁检测器 /
- 车型分类 /
- 特征选择 /
- ReliefF算法 /
- 聚类支持向量机 /
- 微粒群算法

参考文献(0)

资源附件(0)

WeChat

点击查看大图

计量

文章访问数: 231
HTML全文浏览量: 49
PDF下载量: 0
被引次数: 0

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

版权所有《交通信息与安全》编辑部鄂ICP备05003336号-2

通信地址：湖北省武汉市武昌区和平大道1178号，武汉理工大学余家头校区 (430063)

联系电话：027-86580355电子邮箱：jtjsj@vip.163.com

本系统由北京仁和汇智信息技术有限公司开发