基于改进长短时记忆神经网络自适应增强算法的多天气车辆分类方法

• 作者: 刘鹏 张照生 李达 王震坡 董昊天
• 来源期刊: 汽车工程
• 关键词: 车辆分类 地磁信号 长短时记忆神经网络自适应增强算法 多天气
• 年，卷（期）: 2020,（9）
• 页码范围: 1248-1255
• 页数: 8页
• 语种: 中文
• DOI: 10.19562/j.chinasae.qcgc.2020.09.015

摘要

针对目前国内外车辆分类效果不理想和受天气影响较大的问题,本文中提出一种基于改进长短时记忆神经网络自适应增强算法(LSTM-AdaBoost)的多天气车辆分类方法,并提出一种"多层网格法"以准确地确定LSTM的超参数.首先建立地磁车辆检测系统平台和车辆分类方法,然后分析基于改进LSTM-AdaBoost的车辆分类结果,并对不同车辆分类方法和不同天气下的分类准确率进行了对比.结果 表明,与最邻近结点算法和反向传播神经网络算法相比,本文所提出的方法具有较高的准确率,最高分类准确率为92．2％.暴雨、雾霾和晴天3种天气中,暴雨时的分类准确率最低,但差别不大,最大相差3．9个百分点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王震坡		40	1336	18.0	36.0
2	刘鹏		25	102	6.0	9.0
3	李达		1	0	0.0	0.0
4	张照生		4	3	1.0	1.0
5	董昊天		1	0	0.0	0.0