基于多源LSSVM的车型识别方法研究
发布时间：2020-07-25 15:53
【摘要】：车型识别是智能交通系统的一个重要部分。由于单一传感器获得信息的不全面性和不准确性,为正确分类带来了困难。因此本文使用红外与可见光传感器对目标进行图像采集,采用典型相关分析对提取的特征向量进行融合来获得对目标的一致性描述。在众多分类算法中,最小二乘支持向量机由于其识别精度高,参数数目少,算法简便而被广泛应用。本文围绕最小二乘支持向量机在车型识别中的应用展开研究,主要的研究内容与创新点归纳为以下几个方面:1、对最小二乘支持向量机算法进行改进。考虑到最小二乘支持向量机的参数没有完备的数学理论确定且又影响最终的分类结果,引入了差分进化算法对其进行参数寻优。在分析了传统差分进化算法理论的基础上,针对其易陷入早熟收敛的问题做出改进。经过仿真试验证明改进算法可以跳出局部最优点,克服传统算法的缺陷,使用改进后的差分进化算法对最小二乘支持向量机进行参数寻优可有效提高其正确分类率。2、对采集的图像进行特征提取。红外图像的对比度不高、无法反映目标细节,需要进行预处理操作。本文选择了中值滤波和直方图均衡化作为红外图像去噪和增强的算法,采用核主成分分析方法提取红外图像的特征向量;与传统算法相比,卷积神经网络可以输入原始图像,避免了繁复的预处理步骤,算法较为简便。但其需要海量样本数据训练,本文提出一种CNN-LSSVM算法来提取可见光图像的特征向量,避免了复杂的预处理步骤且经过仿真实验证明改进算法在小样本情况下依然有良好的分类率。3、将前文研究应用于车型识别。在分析了信息融合的各类结构模型及融合过程的基础上,采用了典型相关分析进行特征级融合;最小二乘支持向量机应用于实际多分类问题中需要对其进行多分类推广,本文对常用的几种多分类推广方法进行了对比,选择了编码法进行多分类推广。基于以上的研究,设计了基于多源最小二乘支持向量机的车型识别实验并证明了本文方法的有效性。
【学位授予单位】：西安工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;U495
【图文】：
２．１＿１最小二乘支持向量机理论逡逑１）核函数逡逑如图２．１所示，非线性分类问题就是无法用线性模型将正负实例正确分开但可以用非逡逑线性模型分开的分类问题。逡逑在逡逑．＼ｘ邋ｘＶ＊逡逑＇＇＇逦？逡逑？邋？逡逑图２．１非线性分类示例图逡逑但由于非线性分类问题求解复杂，解决这类非线性分类问题的思想方法一般将之进逡逑行非线性变换转变为线性问题求解。核技术被Ｖａｐｎｉｋ；应用于ＳＶＭ用来做非线性扩展。核逡逑方法的基本思想是：将原始数据样本通过一种非线性映射变换到高维特征空间，然后通过逡逑线性方法来处理和分析样本数据。将ＳＶＭ与核方法结合，由于核方法的特点不需定义映逡逑射函数，避免了维数灾难从而将线性算法扩展成非线性算法。逡逑核函数的定义是设＾是输入空间，Ｈ为特征空间，若存在一个从／到Ｈ的映射逡逑尤卜，２）为核函数［５３】，为映射函数，为和以的内积。在支持向量机逡逑中目标函数中的内积ｘ，＿？＇可以用核函数Ａ：ｈ，４逦Ｚ；）代替。但构造核函数必须满逡逑足Ｍｅｒｃｅｒ定理才可不需要知道映射函数的具体形式而直接使用核函数。逡逑Ｍｅｒｃｅｒ定理：保证Ｌ２下的对称函数能以正的系数义＞０展开成逡逑＝逦Ａ：（？
分别设定惩罚因子ｒ为１，１０，０．００１，核参数0■为［１５邋１０邋１５２０２５邋３０３５４０４５５０５５６０６５逡逑７０邋７５邋８０邋８５邋９０邋９５］。样本采用邋ＵＣＩ邋数据库（ｈｔｔｐ：／／ａｒｃｈｉｖｅ．ｉｃｓ．ｕｃｉ邋ｅｄｕ／ｍｌ／ｉｎｄｅｘ．ｐｈｐ）的邋Ｉｒｉｓ邋数逡逑据集，图２．２为仿真结果：逡逑１００邋逦１逦１逦１逦ｉ逦逡逑９０邋？邋／邋＼邋：邋Ｘ邋■邋■■邋■■■■■邋Ａ邋■逡逑Ｉ７。／邋＊＊＇’逡逑Ｉ逦＇逦＊邋＊邋—逡逑萏逦来逡逑Ｎ邋５０邋－逦－逡逑来逡逑４0邋－逦逦（－逡逑ｙ＝０．００１逡逑３０邋－逦—ｙ＝１邋－逡逑来邋ｙ＝１０逡逑２０邋逦１逦１逦１逦＾！逦逡逑０逦２０逦４０逦６０逦８０逦１００逡逑ｄｅｉｔａ逡逑图２．２不同参数组合下分类结果比较图逡逑由图２．２的仿真结果可看出最小二乘支持向量机的两个参数惩罚因子／和核参数0■在逡逑取不同的值，得到的正确分类率也不同且有较大的变化。本次实验证明了最小二乘支持向逡逑量机的两个参数对分类结果有显著的影响。随着科学技术的进步，过往只能依据传统的经逡逑验试凑法来确定这两个参数己经不能满足日益增长的实际需求，这就局限了最小二乘支逡逑１２逡逑
简便了算法，加快了求解速度；粒子群算法的参数数目多，且容易陷入局部最优解。逡逑ＤＥ算法中，影响最终结果的参数数目少，基于ＤＥ算法的种种优点，其被广泛的应用于逡逑求解优化问题中。图２．３是ＤＥ算法的流程图。逡逑ｆ开始１逡逑ｖ逦逡逑初始化种群逡逑Ｊ！—￣￣邋：逦Ｉ逦■逡逑计算个体适应度｜邋｜迭代次数加一逡逑，．、逦｜变异交叉选择逡逑，－着否满舍－＼Ｎ逦ｆ￣逡逑＇＇妵止条件，逡逑Ｔｙ逡逑ｉ输出垴优结果逡逑Ｑ结束）逡逑图２．３差分进化算法流程图逡逑１３逡逑
【学位授予单位】：西安工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;U495
【图文】：
２．１＿１最小二乘支持向量机理论逡逑１）核函数逡逑如图２．１所示，非线性分类问题就是无法用线性模型将正负实例正确分开但可以用非逡逑线性模型分开的分类问题。逡逑在逡逑．＼ｘ邋ｘＶ＊逡逑＇＇＇逦？逡逑？邋？逡逑图２．１非线性分类示例图逡逑但由于非线性分类问题求解复杂，解决这类非线性分类问题的思想方法一般将之进逡逑行非线性变换转变为线性问题求解。核技术被Ｖａｐｎｉｋ；应用于ＳＶＭ用来做非线性扩展。核逡逑方法的基本思想是：将原始数据样本通过一种非线性映射变换到高维特征空间，然后通过逡逑线性方法来处理和分析样本数据。将ＳＶＭ与核方法结合，由于核方法的特点不需定义映逡逑射函数，避免了维数灾难从而将线性算法扩展成非线性算法。逡逑核函数的定义是设＾是输入空间，Ｈ为特征空间，若存在一个从／到Ｈ的映射逡逑尤卜，２）为核函数［５３】，为映射函数，为和以的内积。在支持向量机逡逑中目标函数中的内积ｘ，＿？＇可以用核函数Ａ：ｈ，４逦Ｚ；）代替。但构造核函数必须满逡逑足Ｍｅｒｃｅｒ定理才可不需要知道映射函数的具体形式而直接使用核函数。逡逑Ｍｅｒｃｅｒ定理：保证Ｌ２下的对称函数能以正的系数义＞０展开成逡逑＝逦Ａ：（？
分别设定惩罚因子ｒ为１，１０，０．００１，核参数0■为［１５邋１０邋１５２０２５邋３０３５４０４５５０５５６０６５逡逑７０邋７５邋８０邋８５邋９０邋９５］。样本采用邋ＵＣＩ邋数据库（ｈｔｔｐ：／／ａｒｃｈｉｖｅ．ｉｃｓ．ｕｃｉ邋ｅｄｕ／ｍｌ／ｉｎｄｅｘ．ｐｈｐ）的邋Ｉｒｉｓ邋数逡逑据集，图２．２为仿真结果：逡逑１００邋逦１逦１逦１逦ｉ逦逡逑９０邋？邋／邋＼邋：邋Ｘ邋■邋■■邋■■■■■邋Ａ邋■逡逑Ｉ７。／邋＊＊＇’逡逑Ｉ逦＇逦＊邋＊邋—逡逑萏逦来逡逑Ｎ邋５０邋－逦－逡逑来逡逑４0邋－逦逦（－逡逑ｙ＝０．００１逡逑３０邋－逦—ｙ＝１邋－逡逑来邋ｙ＝１０逡逑２０邋逦１逦１逦１逦＾！逦逡逑０逦２０逦４０逦６０逦８０逦１００逡逑ｄｅｉｔａ逡逑图２．２不同参数组合下分类结果比较图逡逑由图２．２的仿真结果可看出最小二乘支持向量机的两个参数惩罚因子／和核参数0■在逡逑取不同的值，得到的正确分类率也不同且有较大的变化。本次实验证明了最小二乘支持向逡逑量机的两个参数对分类结果有显著的影响。随着科学技术的进步，过往只能依据传统的经逡逑验试凑法来确定这两个参数己经不能满足日益增长的实际需求，这就局限了最小二乘支逡逑１２逡逑
简便了算法，加快了求解速度；粒子群算法的参数数目多，且容易陷入局部最优解。逡逑ＤＥ算法中，影响最终结果的参数数目少，基于ＤＥ算法的种种优点，其被广泛的应用于逡逑求解优化问题中。图２．３是ＤＥ算法的流程图。逡逑ｆ开始１逡逑ｖ逦逡逑初始化种群逡逑Ｊ！—￣￣邋：逦Ｉ逦■逡逑计算个体适应度｜邋｜迭代次数加一逡逑，．、逦｜变异交叉选择逡逑，－着否满舍－＼Ｎ逦ｆ￣逡逑＇＇妵止条件，逡逑Ｔｙ逡逑ｉ输出垴优结果逡逑Ｑ结束）逡逑图２．３差分进化算法流程图逡逑１３逡逑
【相似文献】
相关期刊论文 前10条
1 王鹏;郭朋军;郭建宇;;激光车型识别技术研究和应用[J];中国交通信息化;2019年S1期
2 李勇;张玮;;基于多维视频技术的车型识别系统[J];中国交通信息化;2017年12期
3 宋俊芳;;基于3D模型的精确车型识别[J];智能城市;2018年08期
4 汤锐;刘玉锦;;车型识别技术在打击高速公路逃费中的应用[J];中国交通信息化;2017年10期
5 颜卓旺;;基于历史数据的车型识别方案[J];中国交通信息化;2012年03期
6 江卫强;;Freeman编码及其在车型识别中的应用[J];机械工业自动化;1988年03期
7 费东炜;孙涵;;一种基于Bilinear-HashNet网络的车型识别方法[J];小型微型计算机系统;2019年08期
8 康s顂
本文编号：2770035
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/2770035.html
