重庆大学学报(自然科学版)
重慶大學學報(自然科學版)
중경대학학보(자연과학판)
JOURNAL OF CHONGQING UNIVERSITY(NATURAL SCIENCE EDITION)
2006年
1期
61-65
,共5页
支持向量机%车辆识别%轮廓特征
支持嚮量機%車輛識彆%輪廓特徵
지지향량궤%차량식별%륜곽특정
支持向量机(Support Vector Machine, SVM)分类方法在实际二类分类问题的应用中显示出良好的学习和泛化能力,已被广泛地应用于多类分类问题的研究.以车辆轮廓特征为对象,将二类分类支持向量机SVM★应用于多类车辆类型的识别,并与其它分类器的分类结果进行了对比.通过9次交叉验证实验,结果表明SVM★对车辆数据样本的测试准确率达到了85.59%,其分类性能优于其它分类器.
支持嚮量機(Support Vector Machine, SVM)分類方法在實際二類分類問題的應用中顯示齣良好的學習和汎化能力,已被廣汎地應用于多類分類問題的研究.以車輛輪廓特徵為對象,將二類分類支持嚮量機SVM★應用于多類車輛類型的識彆,併與其它分類器的分類結果進行瞭對比.通過9次交扠驗證實驗,結果錶明SVM★對車輛數據樣本的測試準確率達到瞭85.59%,其分類性能優于其它分類器.
지지향량궤(Support Vector Machine, SVM)분류방법재실제이류분류문제적응용중현시출량호적학습화범화능력,이피엄범지응용우다류분류문제적연구.이차량륜곽특정위대상,장이류분류지지향량궤SVM★응용우다류차량류형적식별,병여기타분류기적분류결과진행료대비.통과9차교차험증실험,결과표명SVM★대차량수거양본적측시준학솔체도료85.59%,기분류성능우우기타분류기.