[发明专利]车辆行驶过程中对车辆进行识别的系统

摘要

本发明公开了一种车辆行驶过程中对车辆进行识别的系统，给定训练样本(x¹,y¹)，……，(xⁿ,yⁿ)，对于正样本，令yi＝1；负样本，令yi＝-1；样本权值初始化，对于m＝1，……，M(M代表算法选带次数，即组成强分类器的弱分类器个数，确定各个强分类器的最大误识率f_max,最小识别率d_min,并计算树的目标深度,由其父节点指定的正、负样本通过上述算法训练的一个具有50％误识率和98％识别率的强分类器S¹,用O(S¹)表示该强分类器用到的特征数目，通过K^-均值聚类法将负节点指定的正训练样本分成K个子集。该系统能够准确地对前方车辆进行识别，使得操作人员能够根据识别得到的信息进行相应的操作，对车辆信息判断不准确采取错误的措施，造成安全事故。

主权项

车辆行驶过程中对车辆进行识别的系统，其特征在于，包括以下步骤：(1)给定训练样本(x¹,y¹)，……，(xⁿ,yⁿ)，对于正样本，令yi＝1；负样本，令yi＝‑1；(2)样本权值初始化$\mathrm{\ω}1=\left\{\begin{array}{c}1/21,y1=1\\ 1/2m,y1=-1\end{array}\right.$其中：1为正样本个数，m为负样本个数；(3)对于m＝1，……，M(M代表算法选带次数，即组成强分类器的弱分类器个数；(a)对于每一个特征j，由类概率密度得到弱分类器fm(x)＝Pω(y＝1|x)‑Pω(y＝‑1|x)(b)计算错分率选出最优的f_m(x)(c)更新F(x)←F(x)+f_m(x)(d)令重新归一化使$\underset{i}{\Σ}{\mathrm{\ω}}_i=1$(4)输出强分类器$sign\[F\left(x\right)\]=sign\[\underset{m=1}{\overset{M}{\Σ}}{f}_m\left(x\right)\]$(5)确定各个强分类器的最大误识率f_max,最小识别率d_min,并计算树的目标深度,由其父节点指定的正、负样本通过上述算法训练的一个具有50％误识率和98％识别率的强分类器S¹,用O(S¹)表示该强分类器用到的特征数目，通过K^‑均值聚类法将负节点指定的正训练样本分成K个子集；用这k个正训练样本子集和相应的负样本子集训练k个强分类器S_i^k，i＝1,……，k，用O(S_i^k)+……+O(S_k^k)表示这k个强分类器用到的特征数目；若O(S_i^k)+……+O(S_k^k)＜O(S¹)，当前的分类层分裂成k个分支，对于分支后的每个S_i^k，，开始新的节点训练；若O(S_i^k)+……+O(S_k^k)＞O(S¹)，该节点还是保留原先的分层结构，直到给定数的目标深度达到，所采用的迭代算法才停止。