计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2014年
7期
162-165
,共4页
车型分类%学习向量量化%相似性度量%模式识别
車型分類%學習嚮量量化%相似性度量%模式識彆
차형분류%학습향량양화%상사성도량%모식식별
vehicle classification%Learning Vector Quantization(LVQ)%similarity metric%pattern recognition
学习向量量化（LVQ）和泛化学习向量量化（GLVQ）算法都是采用欧氏距离作为相似性度量函数，忽视了向量各维属性的数据取值范围，从而不能区分各维属性在分类中的不同作用。针对该问题，使用一种面向特征取值范围的向量相似性度量函数，对GLVQ进行改进，提出了GLVQ-FR算法。使用视频车型分类数据进行改进型GLVQ和LVQ2.1、GLVQ、GRLVQ、GMLVQ等算法的对比实验，结果表明：GLVQ-FR算法在车型分类中具有较高的分类准确性、运算速度和真实生产环境中的可用性。
學習嚮量量化（LVQ）和汎化學習嚮量量化（GLVQ）算法都是採用歐氏距離作為相似性度量函數，忽視瞭嚮量各維屬性的數據取值範圍，從而不能區分各維屬性在分類中的不同作用。針對該問題，使用一種麵嚮特徵取值範圍的嚮量相似性度量函數，對GLVQ進行改進，提齣瞭GLVQ-FR算法。使用視頻車型分類數據進行改進型GLVQ和LVQ2.1、GLVQ、GRLVQ、GMLVQ等算法的對比實驗，結果錶明：GLVQ-FR算法在車型分類中具有較高的分類準確性、運算速度和真實生產環境中的可用性。
학습향량양화（LVQ）화범화학습향량양화（GLVQ）산법도시채용구씨거리작위상사성도량함수，홀시료향량각유속성적수거취치범위，종이불능구분각유속성재분류중적불동작용。침대해문제，사용일충면향특정취치범위적향량상사성도량함수，대GLVQ진행개진，제출료GLVQ-FR산법。사용시빈차형분류수거진행개진형GLVQ화LVQ2.1、GLVQ、GRLVQ、GMLVQ등산법적대비실험，결과표명：GLVQ-FR산법재차형분류중구유교고적분류준학성、운산속도화진실생산배경중적가용성。
Euclidean distance is used as a vector similarity measure function in LVQ and GLVQ, which neglects the differ-ences of feature data range and affects classification accuracy of them. Aimed at this problem, a kind of vector similarity measure function with feature data range taken into account is proposed, and a new algorithm named as GLVQ-FR based on this measure function and GLVQ is put forward. Using 8 data sets of the UCI machine learning repository, the compara-tive experiments of the GLVQ-FR with the LVQ2.1, GLVQ, GRLVQ and GMLVQ algorithms are carried out, results show that the classification accuracy and computation speed of GLVQ-FR algorithm are higher than the others. The algorithm usability and high performance in real production environment is verified through the video vehicle classification data set.
