原文传递
智能交通系统中汽车车型的模糊模式识别
| 论文题名： | 智能交通系统中汽车车型的模糊模式识别 |
| 关键词： | 智能交通系统;汽车车型;模糊模式识别;支持向量机;模糊神经网络;遗传算法;图像增强 |
| 摘要： | 随着经济的发展，交通需求不断提高，而交通管理的相对落后使得交通拥挤问题日益突出。解决这个问题的办法之一就是实行交通管理的智能化。本文对智能交通系统中汽车车型的自动识别问题进行了研究。 本文首先从正顶和正侧两个角度摄取汽车图像。通过预处理、分割、轮廓跟踪得到汽车的轮廓图，然后从中提取各种特征。采用基于模糊度的特征选择方法，由模糊度的大小作为各特征对分类贡献的指标进行特征的选择。由于我国的车型分类具有种类多、类别界线模糊的特点，仅利用传统的识别方法很难得到满意的效果。针对这个特点，本文采用模糊识别技术对车型进行分阶段识别。第一阶段利用模糊支持向量机实现客车和货车的分类；第二阶段利用模糊神经网络分别建立客车和货车的识别模型，用遗传算法来同时优化隶属函数和推理规则，得到了稳定精简的识别模型，从而实现客货车的细分。 利用训练数据进行识别模型的训练，通过测试数据验证识别模型在第一阶段识别率为100％，第二阶段可达到93.3％。 |
| 作者： | 欧卫华 |
| 专业： | 运筹学与控制论 |
| 导师： | 韩正忠 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东南大学 |
| 学位年度： | 2006 |
| 正文语种： | 中文 |
检索历史
应用推荐
