| 【中文题名】 | 基于人工神经网络的自动车型分类研究 |
| 【英文题名】 | Study of Automatic Vehicle Classification Based on Artificial Neural Network |
| 【学科专业】 | 检测技术及自动化装置 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-7-18 |
| 【中关键词】 | 不停车收费系统,自动车型分类,红外光电检测,人工神经网络,BP网络, |
| 【英关键词】 | ETC,AVC,Infrared Photoelectric Measurement,Artificial Neural Network,BP Network, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
不停车收费代表着未来公路收费的发展方向，目前不停车收费系统的建设大潮正在国内外兴起。自动车型分类系统是不停车收费系统中一个非常重要的组成部分，其性能的优劣直接决定整个不停车收费系统性能的好坏。因此对于自动车型分类的研究具有非常重要的意义。
本文将人工神经网络引入自动车型分类，利用其处理分类问题能力强的特点，初步设计了能够准确对特大型货车、大型货车、大型客车、中型客车和小轿车这五类车型进行分类的自动车型分类系统。为此，主要进行了以下几方面的研究：
1．对现有的自动车型分类方法进行了较为全面、系统的研究，在分析了各种方法的优势及缺陷的基础上，给出了本文的设计方案。
2．提出了车辆特征参数的概念，从车辆外形参数的相关性分析入手，探讨了车辆特征参数的确定问题。在确定了特征参数之后，对特征参数的检测及实现方法进行了较为详细的阐述。
3．在车型分类BP网络的设计上，采用理论指导与实验相结合的方法。对于如何选择BP网络隐层节点数这个十分复杂的难点问题，通过大量的实验，确定了最佳的隐层节点数目。训练样本的不同输入顺序对网络性能的巨大影响也得到了相关实验的验证，并据此确定了训练网络时样... |
| 【论文题纲】 |
|
中文摘要 |
6-7 |
|
ABSTRACT |
7-10 |
|
1 绪论 |
10-19 |
|
1.1 课题的研究背景与意义 |
10-13 |
|
1.2 车型分类的研究与发展现状 |
13-14 |
|
1.2.1 国外研究与发展现状 |
13-14 |
|
1.2.2 国内研究与发展现状 |
14 |
|
1.3 人工神经网络的发展与应用 |
14-18 |
|
1.3.1 人工神经网络的发展 |
14-16 |
|
1.3.2 人工神经网络的应用 |
16-18 |
|
1.4 本文的主要研究内容 |
18-19 |
|
2 自动车型分类方法研究 |
19-25 |
|
2.1 自动车型分类的基本概念 |
19 |
|
2.2 自动车型分类的方法 |
19-22 |
|
2.2.1 电磁感应线圈法 |
19-20 |
|
2.2.2 激光技术法 |
20-21 |
|
2.2.3 视频法 |
21 |
|
2.2.4 模糊识别技术法 |
21-22 |
|
2.3 各种分类方法的比较与分析 |
22-23 |
|
2.4 本文的设计方案 |
23-25 |
|
2.4.1 方案的确定 |
23 |
|
2.4.2 方案的实施 |
23-25 |
|
3 车辆特征参数的获取 |
25-31 |
|
3.1 车辆的特征参数 |
25-26 |
|
3.2 车辆参数的检测 |
26-31 |
|
4 自动车型分类 BP 网络的设计 |
31-55 |
|
4.1 人工神经网络基础理论 |
31-35 |
|
4.1.1 人工神经元的数学模型 |
31-32 |
|
4.1.2 人工神经网络的网络模型 |
32-33 |
|
4.1.3 人工神经网络的学习 |
33-35 |
|
4.2 BP网络 |
35-40 |
|
4.2.1 BP神经元及网络模型 |
35 |
|
4.2.2 BP网络的学习 |
35-36 |
|
4.2.3 BP算法原理及推导 |
36-38 |
|
4.2.4 标准 BP 算法的改进 |
38-39 |
|
4.2.5 BP网络的局限性 |
39-40 |
|
4.3 BP网络设计的基本方法 |
40-46 |
|
4.3.1 训练样本集的准备 |
40-43 |
|
4.3.2 初始权值的设计 |
43-44 |
|
4.3.3 多层前馈网络结构设计 |
44-45 |
|
4.3.4 网络训练与测试 |
45-46 |
|
4.4 自动车型分类 BP 网络的设计 |
46-50 |
|
4.4.1 输入输出变量的选择 |
46-47 |
|
4.4.2 样本训练集和测试集的建立 |
47 |
|
4.4.3 网络结构设计 |
47-50 |
|
4.5 网络的训练 |
50-54 |
|
4.6 小结 |
54-55 |
|
5 仿真测试与结果分析 |
55-64 |
|
5.1 网络的测试与结果分析 |
55-63 |
|
5.2 小结 |
63-64 |
|
6 总结与展望 |
64-66 |
|
参考文献 |
66-68 |
|
作者简历 |
68-70 |
|
学位论文数据集 |
70 |
|
| 【DOI】 | LunWen.ID:2.2008.388657 |
