首页> 中文期刊> 《汽车工程》 >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

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

         

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.

著录项

  • 来源
    《汽车工程》 |2020年第9期|1248-1255|共8页
  • 作者单位

    北京理工大学机械与车辆学院 北京 100081;

    北京理工大学 电动车辆国家工程实验室 北京 100081;

    北京市电动车辆协同创新中心 北京 100081;

    北京理工大学机械与车辆学院 北京 100081;

    北京理工大学 电动车辆国家工程实验室 北京 100081;

    北京市电动车辆协同创新中心 北京 100081;

    北京理工大学机械与车辆学院 北京 100081;

    北京理工大学 电动车辆国家工程实验室 北京 100081;

    北京市电动车辆协同创新中心 北京 100081;

    北京理工大学机械与车辆学院 北京 100081;

    北京理工大学 电动车辆国家工程实验室 北京 100081;

    北京市电动车辆协同创新中心 北京 100081;

    北京理工大学机械与车辆学院 北京 100081;

  • 原文格式 PDF
  • 正文语种 chi
  • 中图分类
  • 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;

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号