資源描述：
《交通標(biāo)志特征提取及分類(lèi)算法的研究》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、摘要論文題目：交通標(biāo)志特征提取及分類(lèi)算法研究學(xué)科名稱(chēng)：計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)研究生：王鶴東簽名：指導(dǎo)教師：石爭(zhēng)浩副教授簽名：道路交通標(biāo)志識(shí)別作為智能交通系統(tǒng)一個(gè)重要的組成部分，在駕駛安全方面有著重要作用。近些年，道路交通標(biāo)志識(shí)別問(wèn)題的研究引起人們關(guān)注重視。圍繞交通標(biāo)志識(shí)別問(wèn)題本文進(jìn)行了如下工作：首先針對(duì)現(xiàn)有的特征提取方法的不足，提出了一種改進(jìn)的PCA特征提取方法，即通過(guò)對(duì)PCA的標(biāo)準(zhǔn)化階段引進(jìn)類(lèi)內(nèi)均值的方法，改善了PCA特征提取方面的不足。并且在此基礎(chǔ)上進(jìn)一步提出了改進(jìn)PCA結(jié)合LDA的交通標(biāo)志特征提取方法，實(shí)驗(yàn)證明這種方法能有效克服傳統(tǒng)PCA特征提
2、取的不足，該方法是有效和高效的。其次提出了一種基于多分類(lèi)器集成的分類(lèi)方法，在該方法中采用NND、BP神經(jīng)網(wǎng)絡(luò)、基于類(lèi)中心的歐式距離法三種分類(lèi)器作為集成分類(lèi)器的基分類(lèi)器，投票表決法作為集成規(guī)則。從實(shí)驗(yàn)結(jié)果可以看出，該方法可以集成各個(gè)分類(lèi)器的優(yōu)點(diǎn)，抑制它們各自韻缺點(diǎn)，與已有的單分類(lèi)器相比該方法有更好的分類(lèi)效果。最后設(shè)計(jì)了一個(gè)具有數(shù)據(jù)采集、特征提取、分類(lèi)識(shí)別功能的原型系統(tǒng)，該系統(tǒng)驗(yàn)證了本文涉及的算法，具有準(zhǔn)確性好，效率高的特點(diǎn)。關(guān)鍵詞：交通標(biāo)志識(shí)別；特征提??；主成分分析；神經(jīng)網(wǎng)絡(luò)；多分類(lèi)器集成西安理工大學(xué)碩士學(xué)位論文AbstractTitle：RE
3、SEARCHONTECHNIQUESFORFEATUREEXTRACTIONANDCLASSIFlCATIONOFTRAFFICSIGNSMajor：computerArchitectureName=HedongWangSupervisor：A．Professor．ZhenghaoShiSignature：Roadtrafficsignrecognition，astheimportantpartofintelligenttransportationsystems，hasplayedakeyroleonroadsalty．Inrecentyea
4、rs，PeoplebegintopaycloseattentiontotheresearchonRoadtrafficsignrecognition．Thisthesisfocusonthefollowingworks：First，thispaperdeeplystudyinthetrafficsignsfeatureextractiontechnology’Sapplicationsontrafficsignrecognition，andimprovestheexistingmethodsoffeatureextractionbasedon
5、PCA．ByintroducethemethodofmeaninsidewhenthePeAstandardizationstage，itimprovedthedeficiencyofPeAinfeatureextractionandproposedtheimprovedalgorithmofPCAintrafficsignswithLDA．ExperimentalresultsshowthatthemethodscarlovercometheoIdfeatureextractionalgorithm’Sweaknesses，whichpla
6、yedagoodeffect．Thisalgorithmiseffectiveandefficient．Second，throughtheresearchonclassificationoftheexistinginclassificationalgorithminthetrafficsigns，wediscoverythatdifferentclassifiershavecomplementaryeffectsonperformancerecognition．Soifwecombinedwithvariousclassificationst
7、ointegratetheadvantageandinhibitedtheshortcomingsofthem，itwillimprovetherecognitionperformance．Weproposedtheclassificationoftrafficsignsonintegratemultipleclassifiers．Finally，weprovedthismethodhasbetterclassificationresultsduringexperimentandcontrasttoexistingsingleclassifi
8、er．FinallV，designanddeveloparetrievalsystemwhichownfunctionofdataacquisition，F(xiàn)ea敘】
