10.3969/j.issn.1000-386X.2010.07.006
一种新的智能车辆前方障碍物识别方法研究
针对现有AdaBoost SVM(Support Vector Machine)算法中训练轮数和核函数参数选取困难的问题,以及单一核函数无法兼顾学习能力和泛化能力的缺点,提出一种基于混合核函数的支持向量机分类算法--AdaBoost MK SVM,并应用于城区交通干道上前方障碍物的分类识别.该算法将混合核函数作为SVM的核函数,并结合AdaBoost对核参数进行自适应调整,从而得到一组弱分类器,然后将这组弱分类器加权组合得到一个强分类器.实验结果表明,该算法能有效地对城区交通环境下车辆前方障碍物进行分类识别,分类精度高,实时性好,具有一定的优越性.
障碍物识别、多类分类、支持向量机、混合核函数、AdaBoost算法
27
TH7;R68
国家自然科学基金项目69674012
2010-10-11（万方平台首次上网日期，不代表论文的发表时间）
共4页
17-19,29
