基于Boosting的智能车辆多类障碍物识别

• 作者: 杨镇宇 沈志熙 韦金明 黄席樾
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 智能车辆 障碍物识别 支持向量机 集成学习 Boosting算法
• 年，卷（期）: 2009,（14）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 241-242,246
• 页数: 3页
• 分类号: TP18
• 字数: 3456字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2009.14.084

摘要

提出一种基于Boosting集成学习的二叉树支持向量机(BBT-SVM).根据城区交通环境中各类障碍物的出现概率、模式间的类间差异,设计适用于智能车辆障碍物识别的SVM树型结构.对每个节点SVM分类器采用Boosting集成学习方法进行改进,减少差错积累误差,提高分类精度和泛化能力.实验结果表明,该方法能有效地对城区交通场景中6类常规障碍物模式进行实时在线识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄席樾	重庆大学自动化学院	232	4039	34.0	50.0
2	沈志熙	重庆大学自动化学院	20	306	10.0	17.0
3	杨镇宇	重庆大学自动化学院	3	36	3.0	3.0
4	韦金明	重庆大学自动化学院	1	11	1.0	1.0