一种融合加权ELM和AdaBoost的交通标志识别算法

作为一种新型的单隐层前馈型神经网络,极限学习机(Extreme Learning Machine:ELM)相比于传统的神经网络学习算法具有参数设置少、泛化性能强、训练和识别速度快等优点.为了有效提高交通标志的识别速度和识别率,提出一种基于加权ELM和AdaBoost融合优化的交通标志识别新算法.该算法通过迭代更新原始ELM的训练权重,并利用加权后的ELM作为AdaBoost的弱分类器,最终通过加权多数表决得到最优强分类器.最终实验结果表明,该算法能够取得的交通标志总识别率为99.12%,且单张交通标志的识别时间为7.1ms,可以满足实时识别应用的需求,较好的改善了交通标志的识别性能.