基于贝叶斯网络的车辆定位冗余信息过滤方法研究

摘要：

随着中国人民生活水平的不断提高,汽车的保有量也在逐年上升,而交通事故率也随之上升.及时定位目标车辆将有助于快速处理交通事故.为解决车辆定位过程中因外界干扰导致定位效果差的问题,本研究结合形态规则和机器学习方法,提出基于贝叶斯网络的车辆定位信息冗余过滤方法.首先获取卫星图像,并分析车辆特性,在特征空间内寻找最近的样本对象.然后用线性分类器对车辆图像进行分类,将独立性信息融入贝叶斯网络模型中.最后,利用K-L特征压缩器来去除冗余数据.试验结果表明,图像上冗余车辆矩形框的遮盖率达98％,仅剩与试验车辆图像规则相关或相似的图像,证明该方法的过滤效果优秀,可满足现实需求.

关键词：形态规则、机器学习、车辆定位、冗余信息过滤、数据特征处理

所属期刊栏目：41

分类号：TN912

在线出版日期：2022-12-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：23-27