交通信息与安全
交通信息與安全
교통신식여안전
JOURNAL OF TRANSPORT INFORMATION AND SAFETY
2013年
2期
32-35
,共4页
湿滑道路图像%图像模式识别%图像特征%RBF神经网络
濕滑道路圖像%圖像模式識彆%圖像特徵%RBF神經網絡
습활도로도상%도상모식식별%도상특정%RBF신경망락
建立湿滑道路图像模式识别的分类模型,以J判据对图像高维复杂特征进行降维,按照优化后的特征和不同的样本数量建立多个测试条件,采用RBF神经网络进行8类不同湿滑道路图像的判别实验,分析RBF神经网络用于湿滑道路图像分类的优劣、影响因素以及性能改善方法.分析表明:通过图像特征降维后,采用RBF神经网络对不同道路湿滑状况进行判别,正确率约可达78.4％.
建立濕滑道路圖像模式識彆的分類模型,以J判據對圖像高維複雜特徵進行降維,按照優化後的特徵和不同的樣本數量建立多箇測試條件,採用RBF神經網絡進行8類不同濕滑道路圖像的判彆實驗,分析RBF神經網絡用于濕滑道路圖像分類的優劣、影響因素以及性能改善方法.分析錶明:通過圖像特徵降維後,採用RBF神經網絡對不同道路濕滑狀況進行判彆,正確率約可達78.4％.
건립습활도로도상모식식별적분류모형,이J판거대도상고유복잡특정진행강유,안조우화후적특정화불동적양본수량건립다개측시조건,채용RBF신경망락진행8류불동습활도로도상적판별실험,분석RBF신경망락용우습활도로도상분류적우렬、영향인소이급성능개선방법.분석표명:통과도상특정강유후,채용RBF신경망락대불동도로습활상황진행판별,정학솔약가체78.4％.
