10.3969/j.issn.1001-0505.2016.03.008
基于 Haar-NMF 特征和改进 SOMPNN 的车辆检测算法
为解决传统基于 Haar 特征和自组织映射概率神经网络(SOMPNN)的车辆检测算法中存在当 Haar 特征向量维数过大时决策时间缓慢和因平滑因子σ单一易导致分类错误的2个不足,提出了一种用低维的 Haar-NMF 特征代替 Haar 特征和平滑因子自适应修正的改进 SOMPNN (ISOMPNN)车辆检测算法。首先用非负矩阵分解对 Haar 特征进行降维,生成低维 Haar-NMF 特征;其次,以 SOM 输出层神经元的原型向量数作为修正因子,构建了指数函数形式的平滑因子修正函数,并以修正后的平滑因子训练 SOMPNN 分类器。实验结果表明,与传统的 Haar +SOMPNN 算法相比,采用 Haar-NMF 和 ISOMPNN 构建的车辆检测分类器在检测率、误检率和检测时间等性能指标上都获得明显提升。
车辆工程、车辆检测、Haar 特征、非负矩阵分解、改进 SOMPNN、高级驾驶辅助系统
46
TP391.4(计算技术、计算机技术)
国家自然科学基金资助项目61573171,61403172,51305167;江苏省自然科学基金资助项目BK20140555;中国博士后基金特别资助项目2015T80511;中国博士后基金资助项目2014M561592;江苏省六大人才高峰资助项目2014-DZXX-040,2015-JXQC-012.
2016-10-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
499-504