最小二乘支持向量机和证据理论融合的体育视频分类

针对单一特征的体育视频分类的正确率低和稳定性差等缺陷,提出一种最小二乘支持向量机(LSSVM)和证据理论相融合的体育视频分类模型(DS-LSSVM)。提取颜色、纹理、亮度、运动矢量场等4种反映体育视频类别特征,将4种单特征的LSSVM初步分类结果作为独立证据构造基本概率指派,运用DS组合规则进行决策级融合,根据分类判决门限给出最终的体育视频分类结果,最后进行仿真实验。结果表明,DS-LSSVM的体育视频分类正确率高达97.90%,相对于参比模型,DS-LSSVM具有体育视频分类正确率高、稳定性好等优势。

Agent-CA的体育场馆人群疏散模型

根据体育场馆人群疏散的特点与规律,提出一种基于多智能体和元胞自动机相融合的大型体育场馆人群疏散模型(Agent-CA)。将元胞空间中被虚拟人个体占据的元胞视为一个独立的智能体,将元胞及其状态进行封装,扩展为具有自主性的智能体,通过设计各种人群疏散行为策略做为演化规则,实现个体的差异性以体现个人个性、体力、心理等对疏散行为的影响,对体育场馆的人群疏散进行仿真实验。结果表明,Agent-CA综合了多智能体和元胞自动机的优点,充分考虑了个体内在因素,更接近现实大型体育场馆的人群疏散情形,缩短了疏散时间。