資源描述：
《基于遺傳算法的改進(jìn)AdaBoost算法在汽車識(shí)別中的應(yīng)用.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、第27卷第2期2010年2月公路交通科技JoumalofHighwayandTransportationResearchandDevelopmentVd．27No．2Feb．2010文章編號(hào)：1002-0268(2010)02-0114-05基于遺傳算法的改進(jìn)AdaBoost算法在汽車識(shí)別中的應(yīng)用魏武1，張亞楠1，武林林2(1．華南理工大學(xué)自動(dòng)化科學(xué)與工程學(xué)院，廣東廣州510640；2．西安交通大學(xué)能源與動(dòng)力學(xué)院，陜西西安710049)摘要：將遺傳算法應(yīng)用于以SVM為弱分類器的AdaBoost算法，產(chǎn)生了一種識(shí)別率高，泛
2、化能力好的強(qiáng)分類器。本文稱之為GA-AdaBOOstSVM算法。該算法先訓(xùn)練多個(gè)支持向量機(jī)作為弱分類器，然后用AdaBoost算法將多個(gè)弱分類器組合成一個(gè)強(qiáng)分類器，在組合的同時(shí)采用遺傳算法對(duì)各弱分類器的權(quán)值進(jìn)行全局尋優(yōu)。此算法特點(diǎn)在于：(1)傳統(tǒng)的Ad．a(chǎn)Boost算法，對(duì)所有弱分類器的權(quán)值無(wú)法給出一個(gè)最優(yōu)的組合，GA—AdaBoostSVM算法用遺傳算法對(duì)弱分類器的權(quán)值進(jìn)行全局尋優(yōu)，得到的強(qiáng)分類器具有更高的識(shí)別準(zhǔn)確率。(2)為提高強(qiáng)分類器的泛化能力，在訓(xùn)練弱分類器時(shí)，合理調(diào)整RBF核的參數(shù)，使各個(gè)弱分類器在準(zhǔn)確率和差異
3、性之間得到折中，從而提高整合后的強(qiáng)分類器的泛化能力。最后，通過(guò)試驗(yàn)與傳統(tǒng)AdaBoostSVM進(jìn)行對(duì)比，表明GA-AdaBoostSVM的優(yōu)越性。關(guān)鍵詞：交通工程；AdaBoost；支持向量機(jī)；遺傳算法；分類器中圖分類號(hào)：，I'U391．4文獻(xiàn)標(biāo)識(shí)碼：AApplicationofGA-basedAdaBoostAlgorithminVehicleIdentificationWEIWul，ZHANGYananl，WULinlin2(I．SchoolofAutomationScienceandEngineering，Sout
4、hChinaUniversityofTechnology，GoangzhouGuangdong510640，Claim；2．SchoolofEnergy＆PowerEngineering，Xi’allJiaotongUniversity，Xi’蚰Shaanxi710049，China)Abstract：AnalgorithmusinggeneticalgorithmtoimprovetheperformanceofAdaBoostwithSVMbasedweakclagsifterswagpmposed．Thismeth
5、od，namedGA-AdaBoostSVM，hasadvantagesofhigheridentifieationrateandbettergeneralizationperformance．Thealgorithmfirsttminss刪：Ilesupportvectormachinesasweakclassifiers．a(chǎn)ndthenusesAdaBoostalgorithmtoembodytheweakclassifiersintoastrongclassifier．whileusinggeneticalgori
6、thmtooptimizeweightsofweakclassifiersforglobaloptimization．ItscharactersareasfOllOWS：(1)TraditionalAdaBoostalgorithmscannotgivealloptimizedweightforweakclassifiers．GA—AdaBoostSVMoptimizestheweightsofSVMweakclassifiersusinggeneticalgorithm，leadingtohigheraccuratei
7、dentificationrateofstrongclassifier．(2)Toenhancegeneralizationperformanceofstrongclassifier，itimplements8011"陀strategiesto刪ustofRBFkernel，thedistributionsofaccuracyanddiversityovertheseSVMweakclassifiersaletunedtoachieveagoodbalallee．Experimentalresultdemonstrate
8、sthatGA—AdaBoostSVMachievedbettergeneralizationperformanceandhigheridentificationratethantheexistingAdaBoostSVMmethods．Keywords：tramcengineering；AdaBoost；SVM：g
