计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2009年
14期
241-242,246
,共3页
沈志熙%黄席樾%杨镇宇%韦金明
瀋誌熙%黃席樾%楊鎮宇%韋金明
침지희%황석월%양진우%위금명
智能车辆%障碍物识别%支持向量机%集成学习%Boosting算法
智能車輛%障礙物識彆%支持嚮量機%集成學習%Boosting算法
지능차량%장애물식별%지지향량궤%집성학습%Boosting산법
提出一种基于Boosting集成学习的二叉树支持向量机(BBT-SVM).根据城区交通环境中各类障碍物的出现概率、模式间的类间差异,设计适用于智能车辆障碍物识别的SVM树型结构.对每个节点SVM分类器采用Boosting集成学习方法进行改进,减少差错积累误差,提高分类精度和泛化能力.实验结果表明,该方法能有效地对城区交通场景中6类常规障碍物模式进行实时在线识别.
提齣一種基于Boosting集成學習的二扠樹支持嚮量機(BBT-SVM).根據城區交通環境中各類障礙物的齣現概率、模式間的類間差異,設計適用于智能車輛障礙物識彆的SVM樹型結構.對每箇節點SVM分類器採用Boosting集成學習方法進行改進,減少差錯積纍誤差,提高分類精度和汎化能力.實驗結果錶明,該方法能有效地對城區交通場景中6類常規障礙物模式進行實時在線識彆.
제출일충기우Boosting집성학습적이차수지지향량궤(BBT-SVM).근거성구교통배경중각류장애물적출현개솔、모식간적류간차이,설계괄용우지능차량장애물식별적SVM수형결구.대매개절점SVM분류기채용Boosting집성학습방법진행개진,감소차착적루오차,제고분류정도화범화능력.실험결과표명,해방법능유효지대성구교통장경중6류상규장애물모식진행실시재선식별.
