基于主成分分析改进遗传算法的交通信号配时优化方法

    公开(公告)号:CN104809889B

    公开(公告)日:2017-03-01

    申请号:CN201510185281.7

    申请日:2015-04-19

    Abstract: 基于主成分分析改进遗传算法的交通信号配时优化方法,通过分析遗传算法与图像处理和模式识别间的内在联系而提出了这种算法,可以用于求解各种函数优化问题。此算法利用对种群个体进行主成分分析分析设计交叉和变异算子。交叉算子能够根据PCA统计的父代个体的相似基因位避开容易产生无效交叉的交叉位置,减少无用的交叉,提高算法的搜索效率;变异算子根据PCA统计的相似基因位进行自适应的变异概率调节,从而保护优秀模式,提高算法的局部搜索效率。将本算法应用于单交叉口信号配时优化问题,通过和现有的算法进行测试对比说明了算法的通用性和有效性,得到了有效的配时时间,减少了交叉口前的排队车辆数。

    基于SAMME.RCW算法的人脸识别优化方法

    公开(公告)号:CN105975902A

    公开(公告)日:2016-09-28

    申请号:CN201610219331.3

    申请日:2016-04-09

    CPC classification number: G06K9/00288 G06K9/6259

    Abstract: 基于SAMME.RCW算法的人脸识别优化方法,首先对人脸图像进行特征提取,用图像特征向量,使用SAMME.RCW算法进行识别分类。针对SAMME.R算法的权值调整过程进行修改,在重采样发生时,保证每一类样本的权值不能过小,其也使重采样后的权值调整更加偏向于少数类样本,保证了这些样本的分类效果。SAMME.R算法对弱分类器性能的要求,在各类中分类正确的样本权值大于任一其他类样本的权值,其针对各个类别单独进行正确率的要求。通过对于在重采样时权值分配的修改,保证了每一类样本被选中的概率基本相同,同时保证了少数类和多数类样本在弱分类器中的分类效果。得到最终的强分类器有效提高了人脸识别的准确率。

    一种基于嵌入式平台的人脸识别方法

    公开(公告)号:CN105787443A

    公开(公告)日:2016-07-20

    申请号:CN201610094964.6

    申请日:2016-02-20

    Inventor: 杨新武 马壮 袁顺

    CPC classification number: G06K9/00228 G06K9/00275 G06K9/00288

    Abstract: 本发明属于模式识别技术领域,具体涉及一种基于嵌入式平台的人脸识别方法。其特征在于,步骤如下:步骤一、图像预处理;步骤二、并行完成PCA特征提取、LDA特征提取、LBP特征提取;步骤三:集成分类识别,并行完成PCA特征识别、LDA特征识别、LBP特征识别;(4)综合投票输出结果;识别结果为m(pca),m(lda),m(pca),若m(pca),m(lda),m(pca)相同,则直接输出结果;若两项结果相同,一项结果不同则以两项的结果作为输出结果;若三项结果均不同,则输出拒绝。通过此方法,可综合人脸图像的整体特征与局部特征,大大降低了人脸识别方法的误识率。同时,由于嵌入式平台已向多核心发展,由于算法的可并行化,加快了算法的运行速度,平均了各个cpu的负载。

    基于最小生成树聚类遗传算法的交通信号配时优化方法

    公开(公告)号:CN103699933B

    公开(公告)日:2016-07-06

    申请号:CN201310652912.2

    申请日:2013-12-05

    Inventor: 杨新武 薛慧斌

    Abstract: 本发明公开一种基于最小生成树聚类遗传算法的交通信号配时优化方法,包括:进行个体编码、初始化数据,并设定参数;进行种群初始化;计算种群内个体的适应度值;对种群进行最小生成树聚类;选择种群内个体参加遗传操作;对选择的个体进行交叉和变异操作;重复迭代直到得到对应周期的最佳配时。本发明通过对种群进行最小生成树聚类,使物种内的个体具有很高的相似度,而物种间的相似度较低,利用物种间的交叉可以维持种群多样性,抑制未成熟收敛现象;将本发明应用于单交叉口信号配时优化,可以得到有效的配时时间,减少交叉口前的排队车辆数。

    基于主成分分析和局部搜索改进正交遗传算法的交通信号配时优化方法

    公开(公告)号:CN104809890A

    公开(公告)日:2015-07-29

    申请号:CN201510185548.2

    申请日:2015-04-19

    CPC classification number: G08G1/07 G06N3/126

    Abstract: 基于主成分分析和局部搜索改进正交遗传算法的交通信号配时优化方法,通过分析遗传算法与图像处理和模式识别间的内在联系而提出了这种算法,可以用于求解各种函数优化问题。此算法提出了一种基于主成分分析的改进正交交叉算子。该算子首先对交叉前的种群进行PCA投影,减小交叉时的个体长度,然后在投影域上实施正交交叉操作;交叉完成后重新投影到原始空间,减少因交叉产生的冗余个体个数和计算开销。为了进一步提高算法的收敛速度,还引入了局部搜索策略。将本算法应用于单交叉口信号配时优化问题,通过和现有的算法进行测试对比说明了算法的通用性和有效性,得到了有效的配时时间,减少了交叉口前的排队车辆数。

    基于主成分分析改进遗传算法的交通信号配时优化方法

    公开(公告)号:CN104809889A

    公开(公告)日:2015-07-29

    申请号:CN201510185281.7

    申请日:2015-04-19

    CPC classification number: G08G1/07 G06N3/126

    Abstract: 基于主成分分析改进遗传算法的交通信号配时优化方法,通过分析遗传算法与图像处理和模式识别间的内在联系而提出了这种算法,可以用于求解各种函数优化问题。此算法利用对种群个体进行主成分分析分析设计交叉和变异算子。交叉算子能够根据PCA统计的父代个体的相似基因位避开容易产生无效交叉的交叉位置,减少无用的交叉,提高算法的搜索效率;变异算子根据PCA统计的相似基因位进行自适应的变异概率调节,从而保护优秀模式,提高算法的局部搜索效率。将本算法应用于单交叉口信号配时优化问题,通过和现有的算法进行测试对比说明了算法的通用性和有效性,得到了有效的配时时间,减少了交叉口前的排队车辆数。

    基于多特征属性的多类别Bagging步态识别方法

    公开(公告)号:CN102663374B

    公开(公告)日:2014-06-04

    申请号:CN201210134185.6

    申请日:2012-04-28

    Abstract: 基于多步态特征属性的多类别Bagging步态识别方法,属于模式识别技术领域。该方法用最近邻分类器作为弱分类器,在基于小波包分解和完全主成分分析后的20个步态属性特征集合上,通过将两类属性Bagging方法扩展到多类别来构建集成分类器,进行步态身份鉴别。该方法的步骤包括:预处理、特征提取,最后用最近邻分类原理与MCAB算法相结合的方法对测试样本进行归类。本发明首次采用融合WPD和(2D)2PCA方法来提取并选择步态特征,解决已有基于小波变换的步态识别方法中高频分量丢失或简单采用全部数据所致维数过大问题,具有更高的识别率和视角变化鲁棒性。

    融合稀疏保持映射和多类别属性Bagging的人脸识别方法

    公开(公告)号:CN102768732A

    公开(公告)日:2012-11-07

    申请号:CN201210195701.6

    申请日:2012-06-13

    Abstract: 融合稀疏保持映射和多类别属性Bagging的人脸识别方法属于模式识别技术领域。根据压缩感知理论提出的稀疏保持映射的方法已经应用到了人脸识别中并且取得了较高的识别率。在识别领域中,分类算法的性能对于最终的分类效果具有重要影响,而目前的一些基于稀疏保持映射的方法在分类时基本采用的是单一分类器,为了通过增强分类算法的性能来进一步提高识别率,本发明在实现属性Bagging算法时,本发明以Radon变换的角度作为实例的属性来构建训练样本并在其上进行基分类器的训练。通过在耶鲁和AR人脸库的实验,验证了本发明所提出的方法的可行性和有效性。

    基于多特征属性的多类别Bagging步态识别方法

    公开(公告)号:CN102663374A

    公开(公告)日:2012-09-12

    申请号:CN201210134185.6

    申请日:2012-04-28

    Abstract: 基于多步态特征属性的多类别Bagging步态识别方法,属于模式识别技术领域。该方法用最近邻分类器作为弱分类器,在基于小波包分解和完全主成分分析后的20个步态属性特征集合上,通过将两类属性Bagging方法扩展到多类别来构建集成分类器,进行步态身份鉴别。该方法的步骤包括:预处理、特征提取,最后用最近邻分类原理与MCAB算法相结合的方法对测试样本进行归类。本发明首次采用融合WPD和(2D)2PCA方法来提取并选择步态特征,解决已有基于小波变换的步态识别方法中高频分量丢失或简单采用全部数据所致维数过大问题,具有更高的识别率和视角变化鲁棒性。

    一种用线性判别函数设计凸可分分类器的方法

    公开(公告)号:CN101655926A

    公开(公告)日:2010-02-24

    申请号:CN200910092168.9

    申请日:2009-09-01

    Abstract: 本发明公开了一种用线性判别函数设计凸可分分类器的方法,依次包括以下步骤:输入两类数据向量样本集合X和Y;计算X中的每个点到Y的凸包的最近点,Y中的每个点到X的凸包的最近点,X关于Y的凸距离,Y关于X的凸距离,X和Y的凸距离以及X和Y的最佳凸可分方向;在区间(0,1]中选择参数γ,并根据X和Y的最佳凸可分方向,构造一组线性判别函数设计X和Y的凸可分分类器;本发明在解决凸可分分类问题时,不需要选择核函数,也不需要求解二次规划问题,编程实现容易,运行效率较高,泛化能力较强,而且能够明确判定两类数据向量样本集合是凸可分。

Patent Agency Ranking