基于遗传算法的改进AdaBoost算法在汽车识别中的应用.pdf

《基于遗传算法的改进AdaBoost算法在汽车识别中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第27卷第2期2010年2月公路交通科技JoumalofHighwayandTransportationResearchandDevelopmentVd．27No．2Feb．2010文章编号：1002-0268(2010)02-0114-05基于遗传算法的改进AdaBoost算法在汽车识别中的应用魏武1，张亚楠1，武林林2(1．华南理工大学自动化科学与工程学院，广东广州510640；2．西安交通大学能源与动力学院，陕西西安710049)摘要：将遗传算法应用于以SVM为弱分类器的AdaBoost算法，产生了一种识别率高，泛

2、化能力好的强分类器。本文称之为GA-AdaBOOstSVM算法。该算法先训练多个支持向量机作为弱分类器，然后用AdaBoost算法将多个弱分类器组合成一个强分类器，在组合的同时采用遗传算法对各弱分类器的权值进行全局寻优。此算法特点在于：(1)传统的Ad．aBoost算法，对所有弱分类器的权值无法给出一个最优的组合，GA—AdaBoostSVM算法用遗传算法对弱分类器的权值进行全局寻优，得到的强分类器具有更高的识别准确率。(2)为提高强分类器的泛化能力，在训练弱分类器时，合理调整RBF核的参数，使各个弱分类器在准确率和差异

3、性之间得到折中，从而提高整合后的强分类器的泛化能力。最后，通过试验与传统AdaBoostSVM进行对比，表明GA-AdaBoostSVM的优越性。关键词：交通工程；AdaBoost；支持向量机；遗传算法；分类器中图分类号：，I'U391．4文献标识码：AApplicationofGA-basedAdaBoostAlgorithminVehicleIdentificationWEIWul，ZHANGYananl，WULinlin2(I．SchoolofAutomationScienceandEngineering，Sout

4、hChinaUniversityofTechnology，GoangzhouGuangdong510640，Claim；2．SchoolofEnergy＆PowerEngineering，Xi’allJiaotongUniversity，Xi’蚰Shaanxi710049，China)Abstract：AnalgorithmusinggeneticalgorithmtoimprovetheperformanceofAdaBoostwithSVMbasedweakclagsifterswagpmposed．Thismeth

5、od，namedGA-AdaBoostSVM，hasadvantagesofhigheridentifieationrateandbettergeneralizationperformance．Thealgorithmfirsttminss删：Ilesupportvectormachinesasweakclassifiers．andthenusesAdaBoostalgorithmtoembodytheweakclassifiersintoastrongclassifier．whileusinggeneticalgori

6、thmtooptimizeweightsofweakclassifiersforglobaloptimization．ItscharactersareasfOllOWS：(1)TraditionalAdaBoostalgorithmscannotgivealloptimizedweightforweakclassifiers．GA—AdaBoostSVMoptimizestheweightsofSVMweakclassifiersusinggeneticalgorithm，leadingtohigheraccuratei

7、dentificationrateofstrongclassifier．(2)Toenhancegeneralizationperformanceofstrongclassifier，itimplements8011"陀strategiesto删ustofRBFkernel，thedistributionsofaccuracyanddiversityovertheseSVMweakclassifiersaletunedtoachieveagoodbalallee．Experimentalresultdemonstrate

8、sthatGA—AdaBoostSVMachievedbettergeneralizationperformanceandhigheridentificationratethantheexistingAdaBoostSVMmethods．Keywords：tramcengineering；AdaBoost；SVM：g