基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
近年来,越来越多的汽车导致不同类型的交通问题增多,智能交通系统(ITS)变得越来越重要.本文提出了一种新的基于AMR的车辆分类方法.首先使用状态机来检测车辆是否存在,然后使用Adaboost-SVM算法进行更准确地分类.实验表明,Adaboost-SVM算法可以提高现有的分类准确率,约为3%至11%,同时可避免经典SVM算法的过度拟合问题.
推荐文章
一种基于AdaBoost-SVM的流量分类方法
流量分类
K-L变换
支持向量机
AdaBoost
弱分类器
一种基于AdaBoost-SVM的流量分类方法
流量分类
K-L变换
支持向量机
AdaBoost
弱分类器
基于AdaBoost-SVM的P2P流量识别方法
对等网络流量
支持向量机
分类器
分类能力
泛化能力
基于AdaBoost-SVM的混凝土坝变形预测模型
AdaBoost-SVM预测模型
变形
AdaBoost算法
SVM
预测精度
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于AMR的Adaboost-SVM的车型分类方法
来源期刊 科技广场 学科 工学
关键词 AMR地磁传感器 特征优化 车型分类 Adaboost算法
年,卷(期) 2016,(10) 所属期刊栏目 研究与探讨
研究方向 页码范围 10-15
页数 6页 分类号 TP181
字数 2963字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 闫天伟 南昌大学信息工程学院 3 20 2.0 3.0
2 王露茜 南昌大学信息工程学院 1 1 1.0 1.0
3 王嘉旸 江西农业大学软件学院 3 4 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (1)
共引文献  (6)
参考文献  (6)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
AMR地磁传感器
特征优化
车型分类
Adaboost算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
科技广场
月刊
1671-4792
36-1253/N
大16开
南昌市省府大院北二路53号
44-66
1988
chi
出版文献量(篇)
11613
总下载数(次)
26
总被引数(次)
31625
论文1v1指导