期刊文献+
共找到48篇文章
< 1 2 3 >
每页显示 20 50 100
基于AdaBoost算法的新能源汽车电机异常故障检测
1
作者 倪龙飞 白倩 张治斌 《计算机仿真》 2024年第4期97-101,共5页
新能源汽车的电机系统包含许多复杂的部件和子系统,部件之间的相互作用使得异常故障的检测变得复杂,而电机异常故障检测主要采用人工检测方式,即通过耳朵听声音,用眼睛观察,用手触摸找出故障位置,导致故障检测精度较低。因此,提出AdaBo... 新能源汽车的电机系统包含许多复杂的部件和子系统,部件之间的相互作用使得异常故障的检测变得复杂,而电机异常故障检测主要采用人工检测方式,即通过耳朵听声音,用眼睛观察,用手触摸找出故障位置,导致故障检测精度较低。因此,提出AdaBoost算法下新能源汽车电机异常故障检测方法。通过传感器采集电机信号,采用距离相似度、模糊隶属度函数提取信号特征,借助遗传算法的编码操作、交叉操作及其变异操作获取关键信号特征,运用自适应增强(Adaptive Boosting,AdaBoost)算法将信号特征分成正常信号和异常故障,以此实现对新能源汽车电机异常故障检测。实验结果表明,所提算法电机异常故障检测精度高,且耗时短。 展开更多
关键词 弱分类器 强分类器 遗传算法 新能源汽车 电机异常故障检测
下载PDF
基于BP-AdaBoost神经网络的多参数掌静脉图像质量评价法 被引量:4
2
作者 李苋兰 张顶 黄晞 《计算机系统应用》 2020年第3期20-28,共9页
手掌静脉纹识别技术作为新一代高精度的生物特征识别技术,被广泛用于个人身份鉴定领域.然而,其识别效果受限于图像的质量,低质量的图像往往造成识别准确度偏低,如何有效的对图像质量进行评价从而筛选出高质量的图像成为掌静脉识别技术... 手掌静脉纹识别技术作为新一代高精度的生物特征识别技术,被广泛用于个人身份鉴定领域.然而,其识别效果受限于图像的质量,低质量的图像往往造成识别准确度偏低,如何有效的对图像质量进行评价从而筛选出高质量的图像成为掌静脉识别技术中的一项重要研究内容.本文旨在解决这一问题,提出了一种基于BP-AdaBoost神经网络的多参数的掌静脉图像质量评价法.根据掌静脉图像质量特点,提出多个参数的评价指标(对比度(contrast)、信息熵(entropy)、清晰度(sharpness)和等效视数(enl)).利用BP网络优良的非线性拟合特点,以多个评价参数为网络输入,分类结果为网络输出,训练10个BP弱分类器;在此基础上利用AdaBoost算法得到最终的强分类器.实验结果显示,对比传统加权融合的评价分类方法,分类的结果准确度较高,系统具有具有良好的应用价值. 展开更多
关键词 掌静脉 图像质量评价 多参数 BP神经网络 ADABOOST算法 强分类器
下载PDF
基于BP-Adaboost强分类器的声音环境识别 被引量:2
3
作者 张睿智 《电子设计工程》 2021年第9期146-150,共5页
针对通过改进分类算法提升声音环境识别正确率的目的,提出了基于BP-Adaboost强分类模型对声音所属环境进行识别的方法。提取声音信号中的梅尔倒谱频系数,通过T分布检验保留高识别度特征,作为声音信号的广义特征;另外,改进传统的分类器... 针对通过改进分类算法提升声音环境识别正确率的目的,提出了基于BP-Adaboost强分类模型对声音所属环境进行识别的方法。提取声音信号中的梅尔倒谱频系数,通过T分布检验保留高识别度特征,作为声音信号的广义特征;另外,改进传统的分类器训练方式,利用Adaboost算法将多个BP神经网络弱分类器组合成为强分类器,训练声音环境识别模型,根据广义特征对不同环境中的声音进行识别。实验结果表明,BP-Adaboost强分类识别算法相较于传统方法在声音环境识别中的准确率与处理速度上均有显著提升,平均识别率提升了17%,计算效率提升了30%。 展开更多
关键词 特征提取 梅尔倒谱频系数 T分布检验 ADABOOST算法 强分类器
下载PDF
The Unitary Group in Its Strong Topology
4
作者 Martin Schottenloher 《Advances in Pure Mathematics》 2018年第5期508-515,共8页
The goal of this paper is to confirm that the unitary group U(H) on an infinite dimensional complex Hilbert space is a topological group in its strong topology, and to emphasize the importance of this property for app... The goal of this paper is to confirm that the unitary group U(H) on an infinite dimensional complex Hilbert space is a topological group in its strong topology, and to emphasize the importance of this property for applications in topology. In addition, it is shown that U(H) in its strong topology is metrizable and contractible if H is separable. As an application Hilbert bundles are classified by homotopy. 展开更多
关键词 UNITARY OPERATOR strong OPERATOR Topology Topological GROUP Infinite Dimensional LIE GROUP CONTRACTIBILITY Hilbert BUNDLE Classifying Space
下载PDF
Construction of the Forecast System of Classified Severe Convection Weather in Qinghai Province Based on Ingredients-based Method
5
作者 Qin GUAN Xinfu YAO +3 位作者 Qingping LI Jinhai LI Yao HU Bianbian ZHANG 《Meteorological and Environmental Research》 CAS 2022年第5期47-55,共9页
Based on the data of the cases of severe convection weather such as hail,thunderstorm(thunderstorm gale)and short-time heavy precipitation in recent 10 years,the spatial and temporal distribution characteristics of di... Based on the data of the cases of severe convection weather such as hail,thunderstorm(thunderstorm gale)and short-time heavy precipitation in recent 10 years,the spatial and temporal distribution characteristics of different types of severe convection weather were analyzed.The results show that the frequency of severe convection weather tended to increase,of which short-time heavy precipitation and thunderstorm weather rose,and hail and thunderstorm gale weather decreased.Severe convection weather began to extend in late spring and early autumn.Typical cases were selected to analyze the evolution mechanism,and the conceptual models of severe convective weather caused by cold advection forcing,warm advection forcing and baroclinic frontogenesis were obtained.The key predictors for the potential prediction of severe convection weather were proposed,such as CAPE(convective available potential energy)for hail weather,UH index(maximum ascending helicity)for thunderstorm gale and PWV(precipitable water vapor)for short-time heavy precipitation.ERA5 data were used to get the forecast threshold of the key factor of classified severe convection weather,and it was verified that the threshold was available.Meanwhile,the causes of the error of failure cases were analyzed.For instance,the larger deviation of CAPE was caused by the 2 m deviation of temperature.Supplementary correction method and threshold were given to provide a reference for the objective forecast and early warning of severe convection weather. 展开更多
关键词 classified strong convection Convective available potential energy Rising helicity Atmospheric precipitable water Threshold
下载PDF
基于关联规则和拓扑序列的分类器链方法 被引量:1
6
作者 丁家满 周蜀杰 +2 位作者 李润鑫 付晓东 贾连印 《软件学报》 EI CSCD 北大核心 2023年第9期4210-4224,共15页
在分类器链方法中,如何确定标签学习次序至关重要,为此,提出一种基于关联规则和拓扑序列的分类器链方法 (TSECC).首先结合频繁模式设计了一种基于强关联规则的标签依赖度量策略;接下来通过标签间依赖关系构建有向无环图,对图中所有顶点... 在分类器链方法中,如何确定标签学习次序至关重要,为此,提出一种基于关联规则和拓扑序列的分类器链方法 (TSECC).首先结合频繁模式设计了一种基于强关联规则的标签依赖度量策略;接下来通过标签间依赖关系构建有向无环图,对图中所有顶点进行拓扑排序;最后将得到的拓扑序列作为分类器链方法中标签的学习次序,对每个标签的分类器依次迭代更新.特别地,为减少无标签依赖或标签依赖度较低的“孤独”标签对其余标签预测性能的影响,将“孤独”标签排在拓扑序列之外,利用二元关联模型训练.在多种公共多标签数据集上的实验结果表明, TSECC能够有效提升分类性能. 展开更多
关键词 多标签学习 分类器链 标签依赖 强关联规则 拓扑序列 二元关联
下载PDF
基于Adaboost的汽车牌照快速定位 被引量:9
7
作者 潘石柱 殳伟群 王令群 《计算机工程》 EI CAS CSCD 北大核心 2006年第12期187-188,214,共3页
Adaboost算法在人脸定位系统中已经取得了巨大的成功,该算法简单可靠、学习精度高,解决了实时检测的速度和精度的矛盾,而汽车牌照定位是汽车牌照识别系统的首要环节,定位的准确性和快速性对系统起着关键性的作用。该文提出了基于Adaboos... Adaboost算法在人脸定位系统中已经取得了巨大的成功,该算法简单可靠、学习精度高,解决了实时检测的速度和精度的矛盾,而汽车牌照定位是汽车牌照识别系统的首要环节,定位的准确性和快速性对系统起着关键性的作用。该文提出了基于Adaboost的汽车牌照定位算法,目的是为了寻求一种新的更加高效的车牌定位方法。实验结果证明了该方法的可行性。 展开更多
关键词 牌照定位 ADABOOST 矩形特征 弱分类器 强分类器
下载PDF
基于LightGBM算法的强对流天气分类识别研究 被引量:23
8
作者 刘新伟 黄武斌 +4 位作者 蒋盈沙 郭润霞 黄玉霞 宋强 杨勇 《高原气象》 CSCD 北大核心 2021年第4期909-918,共10页
强对流天气将导致多种灾害性天气,但由于其突发性强且尺度较小,在气象业务工作中仍难以准确地预警和预报。本文基于LightGBM(Light Gradient Boosting Machine)算法,利用甘肃三个地区的C波段雷达回波产品以及地面观测数据,构建了LightGB... 强对流天气将导致多种灾害性天气,但由于其突发性强且尺度较小,在气象业务工作中仍难以准确地预警和预报。本文基于LightGBM(Light Gradient Boosting Machine)算法,利用甘肃三个地区的C波段雷达回波产品以及地面观测数据,构建了LightGBM模型,并分类判识了三类主要的强对流天气[冰雹、雷暴大风、短时强降水(短强)]。结果表明,在2011-2017年训练集中,LightGBM模型表现较好,整体误判率仅为4.9%。在2018年的独立样本测试中,模型对三类强对流和非强对流天气的整体误判率为7.0%,对三类强对流天气的平均命中率(Probability of Detection,POD)为86.4%,平均临界成功指数(Critical Success Index,CSI)为64.3%,平均空报比率(False Alarm Ratio,FAR)为29.0%。其中,短强的误判率最低,POD和CSI最高,FAR也最小,而雷暴大风和冰雹的误判率和评分比较接近。因此,本文构建的LightGBM模型对强对流天气的分类识别较为理想,首次对三类主要的强对流天气实现了自动化预警,在未来的气象业务自动化工作中有广阔的应用前景。 展开更多
关键词 强对流天气 LightGBM C波段雷达产品 分类识别
下载PDF
改进的AdaBoost人脸检测方法 被引量:14
9
作者 柯丽 温立平 《光电工程》 CAS CSCD 北大核心 2012年第1期113-118,共6页
针对传统AdaBoost算法检测速度快准确率低的问题,本文提出了一种改进的AdaBoost算法以提高人脸的正确检测率,该算法首先利用快速积分图提取人脸的Haar特征,然后使用阈值设定的方法对传统的AdaBoost算法进行改进,并将每次检测的最优弱分... 针对传统AdaBoost算法检测速度快准确率低的问题,本文提出了一种改进的AdaBoost算法以提高人脸的正确检测率,该算法首先利用快速积分图提取人脸的Haar特征,然后使用阈值设定的方法对传统的AdaBoost算法进行改进,并将每次检测的最优弱分类器级联形成最终的强分类器,通过强弱分类器对Haar特征判别,从而检测图像中的人脸部分。采用本方法对多种实验图像集进行人脸检测实验,FERET彩色图像库的正确检测率为96.07%,视频图像的正确检测率为96%。实验结果表明,本文所设计的人脸检测算法能够对静态图像以及视频图像中的人脸进行有效检测,为人脸的正确识别打下了基础,该算法也为计算机视觉领域的研究提供一种有效方法。 展开更多
关键词 人脸检测 HAAR特征 ADABOOST算法 强分类器
下载PDF
改进Adaboost算法的人体步态识别方法 被引量:11
10
作者 罗莎 夏国恩 朱新琰 《控制工程》 CSCD 北大核心 2018年第7期1312-1317,共6页
为了在人体步态识别中更加准确地进行动作分类,提出了一种基于改进Ada Boost算法的人体步态识别方法。首先利用Kinect传感器捕获姿态序列,并表示为8个选定四肢的角向量(欧拉角),进一步通过稀疏表示建模作为候选特征;然后使用支持向量... 为了在人体步态识别中更加准确地进行动作分类,提出了一种基于改进Ada Boost算法的人体步态识别方法。首先利用Kinect传感器捕获姿态序列,并表示为8个选定四肢的角向量(欧拉角),进一步通过稀疏表示建模作为候选特征;然后使用支持向量机(SVM)对每一个动作特征进行训练,得到弱分类器;最后利用Adaboost算法进行训练,得到相应的动作特征集和强分类器,并对强分类器进行融合实现动作识别。通过大型数据集的测试以及与几种最新方法的比较,证明了该方案的有效性,识别精度能够达到94%左右。 展开更多
关键词 图像分割 模糊均值聚类算法 果蝇算法 味道浓度
下载PDF
Adaboost算法分类器设计及其应用 被引量:13
11
作者 许剑 张洪伟 《四川理工学院学报(自然科学版)》 CAS 2014年第1期28-31,共4页
Adaboost算法可以将分类效果一般的弱分类器提升为分类效果理想的强分类器,而且不需要预先知道弱分类器的错误率上限,这样就可以应用很多分类效果不稳定的算法来作为Adaboost算法的弱分类器。由于BP神经网络算法自身存在的局限性和对训... Adaboost算法可以将分类效果一般的弱分类器提升为分类效果理想的强分类器,而且不需要预先知道弱分类器的错误率上限,这样就可以应用很多分类效果不稳定的算法来作为Adaboost算法的弱分类器。由于BP神经网络算法自身存在的局限性和对训练样本进行选择的主观性,其分类精度以及扩展性有待提高。将Adaboost算法与BP神经网络相结合,使用神经网络分类模型作为Adaboost算法的弱分类器。算法在matlab中实现。对2个UCI的分类实验数据集进行实验,结果表明Adaboost能有效改善BP神经网络的不足,提高分类正确率和泛化率。 展开更多
关键词 弱分类器 强分类器 BP神经网络 ADABOOST算法
下载PDF
一种新的贝叶斯树分类器及其应用 被引量:2
12
作者 常晓辉 穆志纯 张坤 《计算机应用与软件》 CSCD 北大核心 2008年第5期102-104,共3页
比较了朴素贝叶斯分类器的一些改进算法,提出了新的TTree分类器,采用决策树分割实例集,在叶节点建立TAN分类器。实验分析表明,TTree算法与NBTree、TAN、Na ve-bayes相比,有较高的分类准确率。该分类器应用到电信CRM客户建模中,得到了较... 比较了朴素贝叶斯分类器的一些改进算法,提出了新的TTree分类器,采用决策树分割实例集,在叶节点建立TAN分类器。实验分析表明,TTree算法与NBTree、TAN、Na ve-bayes相比,有较高的分类准确率。该分类器应用到电信CRM客户建模中,得到了较好的分类结果。 展开更多
关键词 TTree分类器 NBTree分类器 决策树 强规则 CRM
下载PDF
基于Adaboost的视频文本定位 被引量:4
13
作者 尹芳 郑亮 陈田田 《哈尔滨理工大学学报》 CAS 北大核心 2017年第1期103-108,共6页
提出了一种基于Adaboost的视频文本定位的新方法。首先我们提取视频图像中的连通域,经过对视频文本区域分析,提取了视频文本的5类特征,然后利用这5类特征经过分类与回归决策树构造了Adaboost强分类器,最后将候选文本区域送入强分类器,... 提出了一种基于Adaboost的视频文本定位的新方法。首先我们提取视频图像中的连通域,经过对视频文本区域分析,提取了视频文本的5类特征,然后利用这5类特征经过分类与回归决策树构造了Adaboost强分类器,最后将候选文本区域送入强分类器,得到正确的文本区域。实验结果表明本方法不仅对视频帧图像中字体、大小和颜色多变的文本具有很好的定位效果而且还实现了视频文本定位要求的快速性和准确性的特点。 展开更多
关键词 文本定位 文本识别 连通域 强分类器 分类与回归决策树
下载PDF
边界片段模板方法在空间探测识别中的应用 被引量:4
14
作者 安萌 姜志国 赵丹培 《宇航学报》 EI CAS CSCD 北大核心 2009年第3期1231-1236,共6页
以对具有复杂边缘的空间目标进行准确的检测识别为目的,提出一种基于边界片段模板(BoundaryFragment Model)训练模式的空间目标识别方法。方法的步骤是:首先从训练集中提取目标的边界片段组成弱分类器;然后使用Adaboost算法将它们提升... 以对具有复杂边缘的空间目标进行准确的检测识别为目的,提出一种基于边界片段模板(BoundaryFragment Model)训练模式的空间目标识别方法。方法的步骤是:首先从训练集中提取目标的边界片段组成弱分类器;然后使用Adaboost算法将它们提升训练成为强分类器;对方法进行旋转、尺度、视点的不变性增强;最后将训练好的强分类器模板应用到待识别图像上,进行目标的检测识别。实验结果表明,本方法对带有各种旋转,尺度,以及视点变化的具有复杂边缘空间有形目标具有较好的识别效果。 展开更多
关键词 空间有形目标 边界片段模板 弱分类器与强分类器 旋转 尺度与视点不变性
下载PDF
基于SLIC方法的光照偏强农田图像分割研究 被引量:9
15
作者 陈晓倩 唐晶磊 王栋 《计算机工程与应用》 CSCD 北大核心 2018年第2期177-181,共5页
精准农业是未来农业发展的趋势,而农田图像分割是精准农业的前提与基础。针对光照偏强条件下农田图像高光点区域丢失植物绿色特征对图像分割质量的影响,以SLIC方法和YCrCb颜色空间中的Cg分量为基础,利用不同分类器实现光照偏强条件下农... 精准农业是未来农业发展的趋势,而农田图像分割是精准农业的前提与基础。针对光照偏强条件下农田图像高光点区域丢失植物绿色特征对图像分割质量的影响,以SLIC方法和YCrCb颜色空间中的Cg分量为基础,利用不同分类器实现光照偏强条件下农田图像分割的研究。首先采用SLIC对农田图像进行预处理,获取超像素模块;为避免植物叶面因光照偏强出现高光点区域丢失部分绿色特征,引入YCrCb颜色空间模型中的Cg分量和超绿颜色因子提取特征;为避免监督学习对训练样本要求高,采用半监督学习,将有标签样本和无标签样本进行混合;最后采用不同的分类器进行图像分割,并对实验结果采用混淆矩阵和Kappa系数进行评价。对比实验结果可得,采用距离判别法核函数为diagQuadratic的图像分割效果较其他方法较好,分割正确率较高。 展开更多
关键词 图像分割 不同分类器 简单的线性迭代聚类(SLIC)方法 Cg分量 光照偏强
下载PDF
基于现行规范场地划分标准的位移反应谱衰减关系 被引量:2
16
作者 汪梦甫 汤海燕 刘振阳 《地震工程与工程振动》 CSCD 北大核心 2014年第5期56-65,共10页
将选择的591条美国、日本及我国台湾地区的强震记录按照我国现行建筑抗震设计规范中的规定进行场地分类。利用这些强震记录,统计得到了对应Ⅰ、Ⅱ、Ⅲ、Ⅳ四类场地,阻尼比ξ=0.02、0.05、0.10、0.15、0.20、0.30,自振周期从0.05s到10.0s... 将选择的591条美国、日本及我国台湾地区的强震记录按照我国现行建筑抗震设计规范中的规定进行场地分类。利用这些强震记录,统计得到了对应Ⅰ、Ⅱ、Ⅲ、Ⅳ四类场地,阻尼比ξ=0.02、0.05、0.10、0.15、0.20、0.30,自振周期从0.05s到10.0s,周期间隔为0.05s的各周期点的弹性位移反应谱的衰减关系,探讨了震级、断层距、场地类别、阻尼比等对弹性位移反应谱影响。文中结果为我国开展基于性能的结构抗震设计提供了可供选择的位移反应谱的预测公式。 展开更多
关键词 强震记录 场地分类 位移反应谱 衰减关系
下载PDF
多维特征融合与Adaboost-SVM的车辆识别算法 被引量:14
17
作者 崔鹏宇 《控制工程》 CSCD 北大核心 2019年第3期608-612,共5页
为了解决车辆目标特征不明显而导致识别率低的问题,提出了基于多维特征融合与Adaboost-SVM强分类器的车辆目标识别算法。首先,根据车辆目标几何特征、颜色特征和纹理特征,融合为多维特征向量,达到组建强特征向量的目的。然后,融合Adabo... 为了解决车辆目标特征不明显而导致识别率低的问题,提出了基于多维特征融合与Adaboost-SVM强分类器的车辆目标识别算法。首先,根据车辆目标几何特征、颜色特征和纹理特征,融合为多维特征向量,达到组建强特征向量的目的。然后,融合Adaboost与多个弱分类器,建立强分类器,根据SVM的超优分类平面模型,训练多维特征向量,设计了Adaboost-SVM分类器,达到稳定准确识别车辆目标特征的目的。最后,将样本图像分为训练样本集与测试样本集,通过强分类器,实现并测试车辆目标识别算法。实验测试结果显示:与当前车辆识别技术相比,该算法拥有更高的识别准确度。 展开更多
关键词 车辆识别 多维特征融合 ADABOOST分类器 强分类器 几何特征 纹理特征
下载PDF
基于BFM算法的空间有形目标识别方法 被引量:3
18
作者 安萌 姜志国 许波 《系统工程与电子技术》 EI CSCD 北大核心 2009年第5期1075-1077,共3页
为了对具有复杂边缘的目标进行更准确的检测识别,提出了一种基于边界片段模板(boundary frag-ment model)训练模式的目标识别方法。方法首先提取目标的边界片段组成弱分类器,然后使用AdaBoost算法将它们提升训练成为强分类器,并用其进... 为了对具有复杂边缘的目标进行更准确的检测识别,提出了一种基于边界片段模板(boundary frag-ment model)训练模式的目标识别方法。方法首先提取目标的边界片段组成弱分类器,然后使用AdaBoost算法将它们提升训练成为强分类器,并用其进行检测和识别目标。仿真实验表明,该方法对有形目标,特别是对具有复杂边缘的空间有形目标有较好的识别效果。 展开更多
关键词 空间有形目标检测与识别 ADABOOST算法 边界片段模板 弱分类器与强分类器
下载PDF
一种基于Haar-like和AdaBoost结合的人脸检测算法 被引量:2
19
作者 李静 侯德文 《山东师范大学学报(自然科学版)》 CAS 2015年第4期34-37,共4页
人脸是人体的一项重要的生物特征,人脸检测在人脸识别中起着非常重要的作用,人脸位置的检测结果的准确性可以有效地提高人脸识别率;人脸定位在身份验证、人机交互、视频监控、机器学习、信息管理等领域有很高的应用价值.笔者提出一... 人脸是人体的一项重要的生物特征,人脸检测在人脸识别中起着非常重要的作用,人脸位置的检测结果的准确性可以有效地提高人脸识别率;人脸定位在身份验证、人机交互、视频监控、机器学习、信息管理等领域有很高的应用价值.笔者提出一种人脸检测定位算法,对图像进行归一化和均衡化,减小检测范围,然后用Haar—like矩形特征形成弱分类器,结合AdaBoost学习算法将多个弱分类器组合成强分类器,对人脸图像进行检测定位.实验结果证明该方法可以有效地降低误检率,提高检测的准确性. 展开更多
关键词 人脸定位 HAAR-LIKE特征 ADABOOST 弱分类器 强分类器
下载PDF
一种融合加权ELM和AdaBoost的交通标志识别算法 被引量:19
20
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
上一页 1 2 3 下一页 到第
使用帮助 返回顶部