计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2011年
36期
203-207
,共5页
小生境遗传算法%Gabor特征%支持向量机%车辆检测
小生境遺傳算法%Gabor特徵%支持嚮量機%車輛檢測
소생경유전산법%Gabor특정%지지향량궤%차량검측
提出了一种基于小生境遗传算法的SVM和Gabor参数优化的车辆检测方法.充分考虑SVM的模型选择和前期的特征提取有着紧密联系的特点,将SVM的参数和Gabor的参数优化有效结合,利用分类精度、惩罚因子以及支持向量个数构造适应度函数,运用小生境遗传算法训练SVM模型,可有效提高SVM的分类精度,减少特征量的个数,降低时间复杂度.实验结果表明,车辆检测平均实验精度可达到98.675％,仅需30个特征量,基本可以满足实时性的要求.
提齣瞭一種基于小生境遺傳算法的SVM和Gabor參數優化的車輛檢測方法.充分攷慮SVM的模型選擇和前期的特徵提取有著緊密聯繫的特點,將SVM的參數和Gabor的參數優化有效結閤,利用分類精度、懲罰因子以及支持嚮量箇數構造適應度函數,運用小生境遺傳算法訓練SVM模型,可有效提高SVM的分類精度,減少特徵量的箇數,降低時間複雜度.實驗結果錶明,車輛檢測平均實驗精度可達到98.675％,僅需30箇特徵量,基本可以滿足實時性的要求.
제출료일충기우소생경유전산법적SVM화Gabor삼수우화적차량검측방법.충분고필SVM적모형선택화전기적특정제취유착긴밀련계적특점,장SVM적삼수화Gabor적삼수우화유효결합,이용분류정도、징벌인자이급지지향량개수구조괄응도함수,운용소생경유전산법훈련SVM모형,가유효제고SVM적분류정도,감소특정량적개수,강저시간복잡도.실험결과표명,차량검측평균실험정도가체도98.675％,부수30개특정량,기본가이만족실시성적요구.
