10.3778/j.issn.1002-8331.1211-0092
基于改进型GLVQ算法的车型分类研究
学习向量量化(LVQ)和泛化学习向量量化(GLVQ)算法都是采用欧氏距离作为相似性度量函数,忽视了向量各维属性的数据取值范围,从而不能区分各维属性在分类中的不同作用。针对该问题,使用一种面向特征取值范围的向量相似性度量函数,对GLVQ进行改进,提出了GLVQ-FR算法。使用视频车型分类数据进行改进型GLVQ和LVQ2.1、GLVQ、GRLVQ、GMLVQ等算法的对比实验,结果表明:GLVQ-FR算法在车型分类中具有较高的分类准确性、运算速度和真实生产环境中的可用性。
车型分类、学习向量量化、相似性度量、模式识别
TP391(计算技术、计算机技术)
国家自然科学基金No.51074079。
2014-04-11(万方平台首次上网日期,不代表论文的发表时间)
共4页
162-165