智能车辆在城区交通场景中的多类障碍物识别
针对智能车辆在城区交通场景中的前向障碍物识别,提出了一种基于集成学习改进的二叉树支持向量机(BT-SVM)的多类分类方法.根据城区交通场景中各类障碍物的出现概率、模式类别差异,设计了适用于智能车辆障碍物识别的BT-SVM树型结构;对每个节点分类器,采用AdaBoost集成学习方法进行改进,有效减少了差错积累误差,提高了分类精度和泛化能力.试验表明该方法能有效地对城区交通场景中6类常规障碍物模式进行实时在线识别.
智能车辆、障碍物识别、支持向量机、集成学习、城区交通场景
32
TP391(计算技术、计算机技术)
国家自然科学基金69674012;重庆市自然科学基金2006BA6016
2009-08-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
757-761