期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种融合加权ELM和AdaBoost的交通标志识别算法
被引量:
19
1
作者
徐岩
王权威
韦镇余
《小型微型计算机系统》
CSCD
北大核心
2017年第9期2028-2032,共5页
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Ada...
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.
展开更多
关键词
极限学习机
权重矩阵
最优强分类器
交通标志识别
ADABOOST
下载PDF
职称材料
题名
一种融合加权ELM和AdaBoost的交通标志识别算法
被引量:
19
1
作者
徐岩
王权威
韦镇余
机构
天津大学电子信息工程学院
出处
《小型微型计算机系统》
CSCD
北大核心
2017年第9期2028-2032,共5页
基金
国家自然科学基金项目(61372145)资助
天津大学自主创新基金项目(2015XZC-0005)资助
文摘
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.
关键词
极限学习机
权重矩阵
最优强分类器
交通标志识别
ADABOOST
Keywords
extreme learning machine
weighted matrix
optimal strong classifier
traffic sign recognition
AdaBoost
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种融合加权ELM和AdaBoost的交通标志识别算法
徐岩
王权威
韦镇余
《小型微型计算机系统》
CSCD
北大核心
2017
19
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部