基于曼哈顿距离加权协同表示分类的车辆识别

• 作者: 冯玉田 王瑞 罗涛
• 来源期刊: 计算机测量与控制
• 关键词: 稀疏表示 协同表示 加权编码 欧氏距离 曼哈顿距离 声频传感器网络 车辆识别
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 设计与应用
• 页码范围: 151-156
• 页数: 6页
• 分类号: TP391.4|TN912.3
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2019.08.032

摘要

加权稀疏表示分类(WSRC)在声频传感器网络下的车辆识别中取得了不错的效果;但是稀疏表示分类(SRC)中实际上起较大作用的是字典中所有类的协同表示,因此协同表示分类(CRC)被提出用来提升算法效率,CRC框架还改进了残差计算方式来提高识别精度;在WSRC中发现保局性对提升识别率起到很好的作用,因此在CRC中引入加权编码,提出了声频传感器网络下基于加权协同表示分类(WCRC)的车辆识别方法,取得了明显的速度(相比WSRC、SRC)以及不错的精度(对比WSRC、CRC、SRC)提升;同时针对欧氏距离对样本相似性判断的不足,将曼哈顿距离引入加权编码,进一步地提出了基于曼哈顿距离加权协同表示分类(Manhattan WCRC)的车辆识别方法,取得了最高的识别率,而运算速度与WCRC接近.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯玉田	上海大学通信与信息工程学院	33	227	7.0	14.0
2	王瑞	上海大学通信与信息工程学院	36	116	6.0	9.0
3	罗涛	上海大学通信与信息工程学院	3	12	1.0	3.0