原文传递
基于SVM-Adaboost裂缝图像分类方法研究
| 题名： | 基于SVM-Adaboost裂缝图像分类方法研究 |
| 正文语种： | 中文 |
| 作者： | 琚晓辉；徐凌； |
| 关键词： | 道路工程；养护管理；裂缝分类；图像处理；SVM；Adaboost |
| 摘要： | 不同的裂缝类型关系到不同养护策略。SVM在解决小样本、非线性、高维度问题时具有较大优势,通过采用不同的SVM分类方法和核函数对常用的数据集中的样本进行分类结果对比,选取了RBF核函数和One-against-All的分类方法。但分类结果仍然满足不了路面养护要求。由于Adaboost选择不同的样本进行训练,改变了训练样本的数据分布。每次迭代都会计算得到一个分类效果最佳的弱分类器及其所在总体分类器中的权重。随着迭代次数的增加,最终由弱分类器迭代生成的强分类器的分类误差最小。提出了SVM-Adaboost分类器 |
| 期刊名称： | 公路交通科技 |
| 出版年： | 2017 |
| 期： | 11 |
| 页码： | 38-42 |
检索历史
应用推荐
