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:
针对当前对于行人检测的准确率和检测效率的要求越来越高,提出一种GA-PSO算法对于支持向量机( SVM)参数优化的行人检测方法.首先,针对梯度直方图特征描述子的维数高、提取速度慢,使用PCA对其进行降维处理;以SVM算法作为分类器,为避免传统单核支持向量机算法检测率低的情况出现,以组合核函数作为分类器核函数,并设置松弛变量,引进惩罚因子,结合遗传算法( GA)和改进权重系数的粒子群算法( PSO)进行组合系数和参数的优化与选择,根据优化后的参数构成最终的SVM分类器进行行人检测.实验结果表明,与传统SVM检测以及其他优化方法相比,检测率方面都有明显改进,且满足对检测效率的要求.
推荐文章
基于GA-PSO算法的路径测试数据自动生成
测试数据自动生成
GA-PSO算法
软件测试
基于改进的PSO优化SVM火灾火焰识别算法研究
火焰检测
支持向量机
粒子群算法
参数优化
改进 YoloV5 的行人检测算法
目标检测
行人遮挡检测
随机擦除
Res2Net
注意力机制
Confluence
基于改进GA-PSO的无线传感网络路由算法
无线传感网络
遗传算法
粒子算法
生存周期
能量均衡
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 改进GA-PSO优化SVM的行人检测算法
来源期刊 测控技术 学科 工学
关键词 图像处理 行人检测 SVM 核函数 参数优化 惩罚因子
年,卷(期) 2019,(10) 所属期刊栏目 先进算法与人工智能
研究方向 页码范围 51-55,60
页数 6页 分类号 TP391.4
字数 4238字 语种 中文
DOI 10.19708/j.ckjs.2019.10.011
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 张红英 西南科技大学信息工程学院 57 493 12.0 19.0
3 王谦 西南科技大学信息工程学院 3 6 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (74)
共引文献  (50)
参考文献  (12)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1909(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(4)
  • 参考文献(1)
  • 二级参考文献(3)
2009(5)
  • 参考文献(0)
  • 二级参考文献(5)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(11)
  • 参考文献(0)
  • 二级参考文献(11)
2013(5)
  • 参考文献(1)
  • 二级参考文献(4)
2014(6)
  • 参考文献(0)
  • 二级参考文献(6)
2015(8)
  • 参考文献(2)
  • 二级参考文献(6)
2016(10)
  • 参考文献(3)
  • 二级参考文献(7)
2017(8)
  • 参考文献(2)
  • 二级参考文献(6)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(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)
研究主题发展历程
节点文献
图像处理
行人检测
SVM
核函数
参数优化
惩罚因子
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
测控技术
月刊
1000-8829
11-1764/TB
大16开
北京2351信箱《测控技术》杂志社
82-533
1980
chi
出版文献量(篇)
8430
总下载数(次)
24
总被引数(次)
55628
论文1v1指导