南京信息工程大学学报
南京信息工程大學學報
남경신식공정대학학보
JOURNAL OF NANJING UNIVERSITY OF INFORMATION SCIENCE & TECHNOLOGY
2010年
2期
118-123
,共6页
文学志%郑钰辉%赵英男%吴毅
文學誌%鄭鈺輝%趙英男%吳毅
문학지%정옥휘%조영남%오의
摩托车识别%特征提取%不平衡数据%支持向量机(SVM)
摩託車識彆%特徵提取%不平衡數據%支持嚮量機(SVM)
마탁차식별%특정제취%불평형수거%지지향량궤(SVM)
提出了一种基于HSV(Hue-Saturation-Value)空间的Haar小波特征和多SVM(Support Vector Machine)分类器的摩托车识别算法,以解决因样本比例不平衡所导致的对摩托车识别性能差的问题.首先在HSV颜色空间基于无符号小波系数构造特征提取算法,然后对训练数据应用所提出的样本重构方法得到若干训练子集,基于各个训练子集训练相应的SVM分类器,识别时将各SVM的输出结果进行融合即可得到最终识别结果.实验结果表明:该方法识别性能高,鲁棒性好,对于受数据的不平衡性严重影响的对象识别具有较好的应用和推广价值.
提齣瞭一種基于HSV(Hue-Saturation-Value)空間的Haar小波特徵和多SVM(Support Vector Machine)分類器的摩託車識彆算法,以解決因樣本比例不平衡所導緻的對摩託車識彆性能差的問題.首先在HSV顏色空間基于無符號小波繫數構造特徵提取算法,然後對訓練數據應用所提齣的樣本重構方法得到若榦訓練子集,基于各箇訓練子集訓練相應的SVM分類器,識彆時將各SVM的輸齣結果進行融閤即可得到最終識彆結果.實驗結果錶明:該方法識彆性能高,魯棒性好,對于受數據的不平衡性嚴重影響的對象識彆具有較好的應用和推廣價值.
제출료일충기우HSV(Hue-Saturation-Value)공간적Haar소파특정화다SVM(Support Vector Machine)분류기적마탁차식별산법,이해결인양본비례불평형소도치적대마탁차식별성능차적문제.수선재HSV안색공간기우무부호소파계수구조특정제취산법,연후대훈련수거응용소제출적양본중구방법득도약간훈련자집,기우각개훈련자집훈련상응적SVM분류기,식별시장각SVM적수출결과진행융합즉가득도최종식별결과.실험결과표명:해방법식별성능고,로봉성호,대우수수거적불평형성엄중영향적대상식별구유교호적응용화추엄개치.
