《基于神经网络的客车车型分类的研究》由会员分享，可在线阅读，更多相关《基于神经网络的客车车型分类的研究（52页珍藏版）》请在金锄头文库上搜索。
1、姓名中北大学基于神经网络的客车车型分类的研究秦慧超中北大学中 北 大 学 学 位 论 文分类号：TP183 单位代码：10110学 号 ： s20100112中 北 大 学硕 士 学 位 论 文基 于 神 经 网 络 的 客 车 车 型 分 类的 研 究硕士研究生_秦慧超_指导教师_ _白艳萍_学科专业 应用数学2013 年 5 月 日中 北 大 学 学 位 论 文图书分类号 TP183 密 级 非 密UDC硕 士 学 位 论 文基于神经网络的客车车型分类的研究秦慧超（作者姓名）指导教师（姓名、职称） 白 艳 萍 教 授申请学位级别 硕 士专业名称 应用数学论文提交日期_年 _月 _日论文答辩
2、日期_年 _月 _日学位授予日期_年 _月 _日论文评阅人_答辩委员会主席_年 月 日中 北 大 学 学 位 论 文原 创 性 声 明本人郑重声明 ： 所 呈 交 的 学 位 论 文 ， 是 本 人 在 指 导 教 师 的 指 导 下 ， 独立 进 行 研 究 所 取 得 的 成 果 。 除 文 中 已 经 注 明 引 用 的 内 容 外 ， 本 论 文 不 包 含其 他 个 人 或 集 体 已 经 发 表 或 撰 写 过 的 科 研 成 果 。 对 本 文 的 研 究 作 出 重 要 贡献 的 个 人 和 集 体 ， 均 已 在 文 中 以 明 确 方 式 标 明 。 本 声 明 的 法 律
3、 责 任 由 本 人承担。论文作者签名： 日期：关于学位论文使用权的说明本人完全了解 中 北 大 学 有 关 保 管 、 使 用 学 位 论 文 的 规 定 ， 其 中 包 括 ： 学 校 有 权 保 管 、 并 向 有 关 部 门 送 交 学 位 论 文 的 原 件 与 复 印 件 ； 学 校 可以 采 用 影 印 、 缩 印 或 其 它 复 制 手 段 复 制 并 保 存 学 位 论 文 ； 学 校 可 允 许 学位 论 文 被 查 阅 或 借 阅 ； 学 校 可 以 学 术 交 流 为 目 的 ， 复 制 赠 送 和 交 换 学 位论 文 ； 学 校 可 以 公 布 学 位 论 文 的
4、全 部 或 部 分 内 容 （ 保 密 学 位 论 文 在 解 密后 遵 守 此 规 定 ）。签 名： 日 期 ：导师签名： 日 期 ：中 北 大 学 学 位 论 文基于神经网络的客车车型分类的研究摘要不 停 车 收 费 是 智 能 交 通 系 统 的 重 要 组 成 部 分 ， 车 型 快 速 ， 准 确 的 分 类 是 收 费 的 依 据 ，是 实 现 不 停 车 收 费 的 关 键 步 骤 。 神 经 网 络 的 分 类 在 实 验 室 里 已 经 取 得 了 令 人 满 意 的 效果 ， 在 实 际 应 用 中 也 解 决 了 很 多 问 题 。 在 对 车 辆 的 几 何 特 征 提
5、 取 后 ， 对 车 辆 的 几 何 特 征进 行 特 征 选 择 ， 可 以 剔 除 不 相 关 或 者 冗 余 的 特 征 ， 从 而 达 到 减 少 特 征 个 数 ， 提 高 模 型 精度 ， 减 少 运 行 时 间 的 目 的 。 遗 传 算 法 用 于 特 征 选 择 的 优 点 是 ， 它 具 有 相 对 较 高 的 搜 索 能力 和 极 强 的 鲁 棒 性 ， 遗 传 算 法 采 用 的 不 是 确 定 性 规 则 ， 强 调 利 用 概 率 转 换 规 则 来 引 导 搜索 过 程 。 支 持 向 量 机 是 源 于 感 知 器 的 一 种 机 器 学 习 ， 它 在 解 决
6、 小 样 本 、 非 线 性 及 高 维 模式识别中表现出许多特有的优势。选 用 320 个 样 本 对 客 车 的 4 类 车 型 ， 运 用 BP 网 络 和 支 持 向 量 机 对 客 车 进 行 进 行 分类预测，支持向量机在没有进行参数优化时，分类准确率不如 BP 网 络 ， 在 得 到 相 同 的分 类 准 确 率 时 BP 网 络 的 特 征 较 少 ， 但 是 支 持 向 量 机 分 类 在 时 间 上 占 用 优 势 。 BP 网 络 对数 据 的 偏 斜 问 题 没 有 更 高 的 要 求 。 遗 传 算 法 进 行 参 数 寻 优 后 的 支 持 向 量 机 客 车 车
7、型 分 类准 确 率 比 BP 网 络 的 结 果 更 优 。关 键 词 ： BP 神经网络，遗传算法，特征选择，支持向量机中 北 大 学 学 位 论 文The Study of Classification of Passenger Vehicle TypesBased on Artificial Neural NetworkAbstractElectronic Toll Collection is an important part of Intelligent Transport System. Collectingtoll depends on the rapid speed of P
8、assenger Vehicle and correct classification, which are alsothe key procedures to realize Electronic Toll Collection. The classification of Artificial NeuralNetwork has got satisfied results in laboratory and also solved many problems in practice.Extracting the geometrical features of vehicles and se
9、lecting the features will eliminatenon-relevant or redundant features, reduce the number of features, improve the accuracy ofthe model and reduce the time of operation. The advantage of Genetic Algorithm for featureselection is that it has relatively greater ability to search and good ability of rob
10、ustness. TheGenetic Algorithm doesnt adopt deterministic rules and emphasizes on making use of changeof probability to guide the process of search. Support vector machine is a kind of machinelearning with perceptron as its source, which has many special advantages in dealing withsmall sample, noline
11、ar and high dimensional pattern recognition.This paper made use of BP neural network and Support Vector Machine to classify 4types of vehicles selecting from 320 samples. When Support Vector Machine doesnt carry outparameter optimization, it doesnt have a classification accuracy rate as BP neural ne
12、twork.When getting the same classification accuracy rate, BP neural network has fewer features butSupport Vector Machine use less time. BP neural network doesnt have higher requirement forthe deflection of data. After parameter optimization of Genetic Algorithm, Support VectorMachine can have a high
13、er classification accuracy rate than BP neural network.Key words: BP neural network;genetic algorithm; feature selection; Support VectorMachine中 北 大 学 学 位 论 文目 录第一章 绪论. . 11.1 研 究 背 景 . 11.2 研 究 现 状 . 21.3 电子不停车收费介绍 . 21.4 本文整体构架 . 3第二章 BP 神经网络 . 52.1 人工神经网络简介 . 52.2 BP 网络的结构和学习过程 . 62.2.1 BP 网络的结构 . 62.2.2 BP 网络的学习过程 . 72.3 BP 网络的设计. . 92.4 数据的归一化 . 10第三章 特征选择与遗传算法 . 123.1 特征选择介绍 . 123.2 遗传算法简介 .
