（运筹学与控制论专业论文）智能交通系统中汽车车型的模糊模式识别(1).pdf

末鸯夫学颈j 掌位论文 第一章芍| 著 摘要 随着我国经济的不断发展，交通需求量不断撼高，而交道管理的相对滞餍， 使褥交逯搠掇等闽题嚣蕊突出。改善这一闽题鲍办法就是弓l 入智能化交通系绫。 本文对警熊交通系统中窜型的自动识别进行研究，给出了建立识别模型的方法。 因为我国的车型分类具有种类多，炭别间没有明显区分的特点，因此利用传 统的识别方法缀难取褥瀵意黪效果，赞对车型识别豹特点，本文采鼹两除段粒特 征分离的方法进行车型识别。车型的特征很多，雨囊各类车型的特征之闯没有明 显的界限，因此本文在特征提取中采用模糊度理论，由模糊度作为各特征对于分 类贡献懿嚣橛进行将缝撬敬。在车型分类懿纂一除羧零震支持自激规理论实瑗襞 车和客车的识别，第二阶段利用模糊神经网络理论分别建立客车和货车的识别模 型，同时针对神经网络容易陷入局部煅小点的缺陷，提出利用遗传算法理论优化 隶震函数秘擦理燕裂，傻系统其有缀好熬稳定牲翻糖磷性。 本文将通过视频得到的特征数据分为训练数据和测试数据，剽用训练数据进 行训练，修正模型参数，通过测试数据验证识别模测的效果。通过实验验证了方 法楚毒效馁。本文懿理论蠢剩于更好懿宠或车垄戆囊麓识别，麸露为毫子不转车 收费系统的实现奠定基础。 关键谲：德转算法 横凝神经弼络模糊度赢持囱量税 泰寿太学颈：学稼论文 第章号 富 a b a t r a c t w i mt h ee c o n o m i cd e v e l o p m e n to f o u r c o u n t r y , t h ed e m a n do f t r a f f i ce n h a n c e d c o n t i n u o u s l y , w h i l et h et r a f f i cm a n a g e m e n ti sr e l a t i v e l yl a g ，t h a tm a k e st h et r a f f i cj a m i n c r e a s i n g l ys e r i o u s ，t h ew a yt oi m p r o v ei ti si n t r o d u c et h ei n t e l l i g e n tt r a n s p o r t a t i o n s y s t e m i nt h i sp a p e r , w ed i ds o m er e s e a r c ho f p a r e mr e c o g n i t i o no f v e h i c l ea u t o m a t i c i nt h ei n t e l l i g e n tt r a n s p o r t a t i o ns y s t e ma n dp r e s e n t e dt h em e t h o do fe s t a b l i s h r e c o g n i t i o nm o d e l t h e r ea l em a n yk i n d so fv e h i c l ei no u rc o u n t r ya n dt h e r en od i s t i n e td i f f e r e n c e a m o n gt h e m ，s oi t sv e r yd i f f i c u l tt og e tas a t i s f i e de f f e c tb yu s i n gt h ec o n v e n t i o n a l r e c o g n i t i o nm e t h o d i nt h i sp a p e r , w ee s t a b l i s ham e t h o d 协v e h i c l er e c o g n i t i o nu s i n g t h et w os t a g e sa n dc h a r a c t e rs e p a r a t i o n t h ec h a r a c t e ro fv e h i c l ei ss om a n ya n dn o d i s t i n c td i f f e r e n c ea m o n gt h e s es t y l e ，s oi nt h i sp a p e rw ei n t r o d u c ef u z z yd e g r e ef o r c h a r a c t e rd i s t i l la n du s i n gf u z z ) , d e g r e ea si n d e xo fc h a r a c t e rf o rc o n t r i b u t i o no f c l a s s i f i c a t i o n f i r s ts t a g e ，w ec a r r yo u tt h ec l a s s i f i c a t i o no ft r u c ka n dc a rb yt h e s u p p o r tv e c t o rm a c h i n et h e o r y s e c o n ds t a g e ，w er e s p e c t i v e l ys e tu pr e c o g n i t i o n m o d e lo f c a ra n dt r u c kb yf u z z yn e u r a ln e t w o r k s ，a tt h es a n l et i m e , w ep r o p o s e du s i n g g e n e t i ca l g o r i t h mo p t i m i z em e m b e r s h i pf u n c t i o na n dr e a s o n i n gr u l ef o rs o l v i n ga d i s a d v a n t a g et h a tn e u r a ln e t w o r k se a s i l yg e ti n t ol o c a lm i n i m u m ，t h a tm a d es y s t e m s h a sag o o ds t a b i l i t ya n da c c u r a c y i nt h i sp a p e rt h ec h a r a c t e rd a t aw a sc l a s s i f i e di n t ot r a i nd a t aa n dt e s td a t a ，t h e t r a i nd a t aw a su s e dt ot r a i n e da n dm o d i f i e dt h em o d e lp a r a m e t e r s ，a n dt h et e s td a t aw a s u s e dt ot e s t f i e dt h ee f f e c to ft h er e c o g n i t i o nm o d e l t h er e s u ro fe x p e r i m e n t a t i o n t e s t i f yt h em e a n sh a sv a l i d i t y t h et h e o r yo ft h i sp a p e ri sp r o p i t i o u st oa c c o m p l i s h a u t o m a t i cv e h i c l er e c o g n i t i o n , w h i c h 】a yaf o u n d a t i o nf o rr e a l i z i n ge l e c t r o n i ct o l l c o l l e c t i o ns y s t e m s 。 k e y w o r d s ：g e n e t i ca l g o r i t h m ，f u z z yn e u r a ln e t w o r k s ，f u z z yd e g r e e ， s u p p o r tv e c t o rm a c h i n e i l 独创性声明及使用授权的说明 一、学位论文独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究 工作及取得的研究成果。尽我所知，除了文中特j j l j j i l 以标明和致谢的 地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包 含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确 的说明并表示了谢意。 、li 签名：鸳! !日期：丛。f ，“ 关于学位论文使用授权的说明 东南大学、中国科学技术信息研究所、国家图书馆有权保留本人 所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复 制手段保存论文。本人电子文档的内容和纸质论文的内容j f h - - 致。除 在保密期内的保密论文外，允许论文被查阅和借阅，可以公布( 包括 刊登) 论文的全部或部分内容。论文的公布( 包括刊登) 授权东南大学研 牲胁理二名：垄盘堑乡k 籼上。签名一垒立导师签名塑：) ：竺日期：丛： ： 东南太学碳士学位论文 第一镦 l 占 第一章萼l 畜 。l 现状与研究豹意义 随糟我国经济的发展，车辆急剧增加。从交通需求发展糟，我国汽车化水平 还很低，随着经济的掩续高速增长，必然引起交通需求的超常发展，而道鼹交通 管理稳蹲滞君，交遴溺麓较发这謦窳更蔻突崮。江芬是中国入酾密度最六豹露份， 也是经济最发达的省份之一，近年来汽车拥有墩迅速增长，交通问题尤为突出。 江苏省弱前已建成邋车的高速公路熙程已经突破2 0 0 0 公里，随着交通量的不断 增鸯妥，辐速公踌毒瑶了严重的交遴拥貉，竞萁农收费站及萁辩近糖挤茏为严藿， 现有的高速公路人工半自动收费方式( m a n u a lt o l lc o l l e c t i o n ) 已不能满足通行 的需求。交通拥挤使交通事故增加，加剧了大气和噪声，因此改进现有收费方式， 解决疆簸严重酶狡费站交通攘挤阔怒己遍在j 蓍蕤。 电予不停车收费( e l e c t r o n i ct o l lc o l l e c t i o n ，简称e t c ) 是智能运输系统的熏要 组成部分。在交通量不断增大、邋踌用地愈来愈紧张的情况- f ，e t c 是掇赢离 速公路收费涟逶彳亍鼹力，解决牧费戆镧揍静有效手段，丽对可大大降低收费站辫 近的噪声和废气排放。根据来自美嘲和挪威收费站的资料表明，自动收费站e t c 收费军邀的通行能力，每小时至少1 5 0 0 辆，丽人工收费只有3 5 0 辆，也就是说， 在不增翔收费车道和扩建收费始酌情况下，电子不停车收费系绫使收费蛄宰道通 行能力提高到4 倍以上。由此可阻瓣出实现电子不停车收费系统的重要性。 1 。2 搴 究现状等改进方法 要实现电子不停率收费，首先必须实现对车溅准确的自动识别。车型的自动 谖爨主蜜枣嚣秘方法，一耱是零l 建慧痤夔线，勇一耱是稳蠲疆叛图像透嚣处理。 感应曲线的方法由于受自然条件影响较大，因此襁国内外都倾向于研究利用视频 图像的处理得到车型的特征数据，内这些特征数据建立识别模型，实现对车型的 垂魂谈溺。 我阑车型识别的特点是高速公路收费中车辆分类繁多，如江苏省高速公路收 东南大学硕_ j 学位论文第一章引言 费中将车型分为小型客车、中型客车和小型货车、大型客车和中型货车、重型客 车和大型货车、重型货车、特大型货车等六种类型，因此国外的车型识别产品虽 然技术先进，但并不适合我国国情。国内高校、研究机构及公司都致力于适合我 国国情的车型识别技术研究和产品开发，但产品识别率、可靠性不高，技术尚不 成熟，还未能在高速公路收费中成功应用。因此在我国，车型识别技术仍有待进 一步完善，需要进一步深入研究其中的关键技术以及在高速公路收费中的应用。 为了能够更好的对车型进行识别，就要建立更符合对象特点的识别模型。我 国的车辆种类较多，而且生产厂家很多，各类车辆之间没有明确的界线。也就是 说车辆类型的定义具有模糊性，因此如果采用传统的模式识别方法，因为其处理 问题时的定量、定性化的形式，往往很难取得满意的识别效果。而建立在模糊集 合论基础上的模糊理论能够很好的处理模糊信息，而且模糊模式识别理论能够模 拟人的大脑的模糊推理能力，有力的利用了人的经验。因此在处理模糊信息方面， 模糊模式识别有其独到的优势，有利于提高识别系统的柔性处理能力。而神经网 络理论具有并行计算、容错能力强及具备自适应学习功能等优点，在模式识别领 域也取得了不错的效果。因此现在国内对车型识别的研究重点在模糊理论和神经 网络理论在识别中的应用。文献 1 5 】、 1 6 分别研究了利用模糊理论和神经网络 理论对车型进行识别。文献 1 5 对特征点利用d l t 算法： x = l i 。x + l 2 y + 厶。z l 9 x + l i ox y + l n z + 上 1 y = 工4 x + l 5 y + l 6 z l 9 x + l l o y + l 1 1 z + 1 。 其中j ，y 是特征点的图像坐标，x ，】，z 为特征点实物空间坐标，l 一= 1 , 2 ，1 1 ) 为 变换系数。这样只要确定六个特征点就可以随时标定变换系数。由此得到车型的 特征数据。然后选择车的长、宽作为分类特征，通过统计的方式分别建立特征和 分类各结果的隶属函数。建立推理规则为： ( 1 ) 矿( = 长a n di v = 宽) t h e nt = 大 ( 2 ) 矿犯= 中a n d = 中) t h e nt = 中 ( 3 ) 矿旺= 短a n d 矿= 窄) t h e nt = 小 由此得到模糊关系为： 末癍大学硕七学位论文 第一攀醇| 言 置= ( 三。b ) ( 峨b ) r ：= ( 三；x 掰) ( 数材) ( 1 。2 ) r ，= ( l e s ) ( 张s ) 其中五。，。，l 。分别对威车长的长、中、短的模糊集，呒，分别对应擎宽的 宽、中、窄夔蒺鞠鬃，器，掰，s 翔分别对痤车鋈瓣丈、孛、小鹣模凝集。矮惹戮 最大隶属度原则得到识别结果。这个研究将车型分类较少，仪分为大、中、小三 类，无法应用于现实问题。丽且隶属函数和推理规则的建立均为人为确定，恩过 子麓擎，难戳获褥毽憋浆识裂效栗。 但是模糊系统缺麓自学习、自通应能力，而神经网络理论不适合表达基于规 则的知谈，因此不能缀好的利用已露的经验，因此在文献【1 7 】中研究了将模攒与 神经网络相结舍，稳麓模糨棒经潮络进行车型谈鞠。文献【1 7 】蓠先利用模糊统计 和专家修正的方法建立隶属函数，对输入变量正，其输出为； y ；w 3 f ( 毪l + 0 1 ) + w 4 f ( w 2 l + 0 2 ) ，( x ) 采用s i g m o i d 函数e 其学习舰则燕建立 在使指标函数最小。建立性能指标函数： 层= 一一嵋2 ) ，嚷】。 ( 1 - 3 ) 另y 3 一 y ? ，y i ，y ； 7 ，卯= 【嵋，记，吨】t ，a u = 蟛嘎 j * i 碡揣【瘁舶，蹿秘，拉抽】t ，a = 【蠢l ，蠢= ，一，a ：r 则脊： e 聋吉f y 3 一_ 彩3 】t 【y 3 一戳3 l ( 1 + 4 ) 令5 e 5 嵋3 = 0 ，缀简化得埘= a r 棚。a 7 y 3 。因为形7 爿不一定非奇异，故 改为： 埘= 【彳t “十留】一a t y 3( 1 。 ( 1 5 ) 即为输出层连接权值的最小二乘算法，其他层学习算法与b p 算法相同。 文麸【l 翻对车型戆谈澍理谚进髫了探讨，豢窭? 裂雳模期秘经网络莲费攀蓬 的识别，将是车型自动识别的重要发展方向。但魑如何很好的建构模糊神经网络 东南大学硕十j 学位论文 第一章引南 的识别模型，一直没有一个成熟的方法，其难点在于要建立模糊神经网络，必须 首先确定隶属函数和推理规则，但这也是模糊理论研究的难点。我们知道神经网 络理论在全局最优搜索中容易陷入局部最小点，因此难以保证神经网络学习中的 稳定性。因此如何对隶属函数和推理规则进行优化，使得建构的模糊神经网络模 型更符合对象的特点十分重要。 在本文中将研究利用遗传算法优化隶属函数和推理规则，用优化后的隶属函 数和推理规则建立模糊神经网络，利用模糊神经网络的自学习和很好的局部最优 搜索能力确定最终的识别模型。最后利用测试数据对识别模型进行测试，检测识 别模型的效果。 4 东南大学硕k 学位论文第= 章模糊模式识别理论基础 第二章模糊模式识别理论基础 2 1 模式识别概述 模式指的是用来和待识对象进行比较的样本，而模式识别的意思就是对研究 对象利用一些特征进行分类，识别出它们的分类结果。 模式识别的基本流程见图2 1 。 图2 1 模式识别流程图 模式识别研究的方法主要有：统计模式识别、句法模式识别、神经网络模式 识别和模糊模式识别。其中基于决策理论的统计模式识别是传统的模式识别方 法。 统计模式识别的理论很完善，方法主要有：聚类分析法、统计决策法、最近 邻法等。统计模式识别的优点是理论十分成熟，能很好的考虑噪声和干扰的影响， 识别模式基元能力强，但是统计模式识别对结构复杂的模式抽取特征困难，不能 反映模式的结构特征，难以从整体上考虑识别问题。 句法模式识别的优点是识别方便，可以从简单的基元开始，由简到繁，能够 反映模式的结构特征，其缺点是当存在噪声和干扰时，基元的抽取比较困难。 人工神经网络理论是新近发展起来的一个理论，它模拟了人脑的结构和思维 方式，因为其良好的自学习和强分类能力，在模式识别领域的应用取得了很大的 发展 利用人工神经网络理论进行模式识别有着许多明显的优点： ( 1 )具有很好的容错性，因此对于带有噪声或者是变形的输入模式仍然 能够得到很好的识别； ( 2 ) 具有很好的自适应能力； ( 3 ) 识别速度快，因为算法的并行处理能力和数据的分布式存储，加快 了运算速度； ( 4 ) 成熟的学习算法，便于学习和训练。 东南大学硕：l 学位论文 第二章模糊模式识别理论躺础 神经网络由于其自身的特点，也存在着些缺点，比如说，收敛速度慢，使 褥举习爵阉过长；容易陷a 羼帮最小杰。西诧现有的嗣焉李唪经嬲络理论进行攘式 识别的研究，往往会将神经网络与别的理论相结合，以期得到更好的绥果。 但是在现实世界中，有很多的分类具有模糊性，比如说天气预报、信件上的 部编静谖剐。蒙“多云”，翻底怎么群算多云，狠难给蠢个模糊静界羧，遮辩 剥用上殛的识别方法都很难于导剿一个好的识别结暴，面模糊模式识别方法绘出了 一个良好的解决方法，臌然模糊模式识别理论发展的还不够完善，但怒对于这些 其裔模糊髋的分类闯蘧，给毒了一个缀好的憨怒。 2 2 特征选撵 特征摄取与选择的基本任势是研究如何从众多特征中求出那些对分类识别 最裔效的特征，觚蔼实瓒特征警鬻懿糙缩。特征选撵懿爵蝽将壹按影响至l 误臻豹 效果。 特征选择常用的方法有以下几种： ( 1 按躐离度熬静特链选择。常嗣静距离澄量有； s 盼m i n k o w s k i 度基： 屯( 故，恐) ：【杰b 一嘞n 2 m 欧氏距离： 以 故，墨) = 【 劫- x o ) 2 _ ( 2 2 ) s l c h e b y c h e v 距亵。 8 r ( 以，x t ) = m 磐扣# 一勃i ( 2 3 ) 平方距离： 如( 扎，_ ) = 0 - - x f ) 7 q ( x t - x 1 ) ( 2 4 ) ( 2 ) 基于判别熵最小化的特征选择。定义刿掰熵w ( p ，q ) 来表征两类分布p ( x ，) 和q ( x i ) 酶麓嗣： 东南大学磺七学位论文 第二章模糊犊式识剐瓒论基础 r v ( p ，q ) = ( p ，g j + y ( g ，p ) = 一p ( x i ) l o g p ( x ；) - 譬魄) l o g 晕( 墨) ( 2 5 ) + p ( x ) l o g q ( x f ) + q ( x i ) l o g p ( x f ) f ) = p 。( z ) d x ( 2 1 7 ) 其中0 ( x ) 和0 ( 艽) 分别为随机变量f 川的概率密度，而 a 2 ( 并) = l a i ( x ) 一a 3 ( x ) ( 2 1 8 ) 故可得到： 彳，( x ) = l m ( 旦)( 2 1 9 ) 4 ( 石) ：1 一o ( 兰旦)( 2 2 0 ) 0 2 1 1 东南大学硕士学位论文第二章模糊模式识别理论基础 ，2 其中巾( 工) = 寿d t 。 一：( 工) ：巾( 竺旦) 一。二二垒)( 2 2 1 ) 0 1盯2 确定隶属函数最重要的是要考察特征数据的特点以及人的经验。但是由主观 方法确定的隶属函数很难具有很好的精度，因此这时的隶属函数只能算是初步建 立，下面必须对隶属函数进行优化，通过不断的修正，保证了识别的稳定性和精 确性。 模式库的建立其实就是建立识别模型，这并没有一个确定的方法，必须根据 识别对象自身的特点建立相应的识别模型。 使用模糊技术进行分类的结果不再是一个模式明确的属于某一类，而是以一 定的隶属度属于各个类别，必须对模糊结果进行处理。 模糊模式识别有两种基本原则：一是直接方法，按“最大隶属度原则”归类， 主要应用于个体的识别；另一是间接方法，按“则近原则”归类，一般应用于群 体模型的识别。 定义2 5 最大隶属度原则 设a s f ( u ) ( i = 1 , 2 ，n ) 对u o u ，若存在f 0 ，使 4 。( u o ) = m a x a t , ( u o ) ，4 ( ) ，4 f ( “。) ) ( 2 2 2 ) 则认为u o 相对的隶属于以。 定义2 6 择近原则 a ，b f ( u ) ( i = 1 , 2 ，h ) ，若存在f o ，使 ( 4 0 ，b ) = m a x n ( a ，曰) ，n t 4 ，口) ，( 4 l ，b ) ( 2 2 3 ) 则认为占与4 最贴近，即判丑与4 0 为一类，该原则成为则近原则。 东离大学顿士学靛论文鞯三章事壤识剐系统黔骧蠖 3 1 原理简述 第三章车辆识别系统的原理 我藿斡摹黧谈嗣毒一个羧夫鹣装点：攀鍪静静粪多，分类缨。瓣踅鋈终豹攀 型识别技术很难直接照搬照用，并且造成了我国车型种类的概念具肖模糊性，比 如“小客车”到底满足什么样的特征就是小客车其实并没有一个明确的概念。 在实际戆撵 睾孛，我黧并没骞一令鼹举塑努类熬严格标准，本文谈囊我国公 路工程技术标准用于交通流量统计的率溅分类标准以及中国公路学会编的交通 工程手册中给出的建议分类，给出高速公路车型分类的一般标准，如表3 1 。 袭3 1 裹速公鼹车餮努类器准 客车( 座位数)货车( 载货量) 小型1 9 座以下2 5 吨以下 孛鍪1 9 痉鹅疯2 。5 穗7 ，5 缱 大型4 0 座以上7 5 吨以上 虽然并不存在一个明确的边界能对舆有模糊性的对象进行精确的分类，但是 人弦在长籁黪避纯孛已经霹疆魄较容荔瓣楚理霹谖爱模猢穰惠，这一点在大王牧 赞中已经表现的很清楚。而建立在模糊集合基础上的模糊模式识别技术能够模拟 人脑的这种功能，因此本文对车型的识别以模糊模式识别技术作为识别模型的基 麓。 我们可以稽到，车型的种类共分为六类，而且车烈的生产厂家很多，因此识 别模型的特点是分类多，计算量大以及熬体建模困难。如果把车型的种类放在一 起考虑，可魏发瑷，对予菜类静车寒落，霹麓存一耱蔽届静特鬣骞潮豹类墅黪 雄有着明显的区别，但是篡他的特征则溅别不大，因此如果把所有的车型放在一 起考虑，那么必然要将所裔的特征统一她理，这样一来使得计算量增大，影响识 澍速度；二采德无法突密奄辅懿特点，藏翡了车辆之阙豹差异，遥藏鼋廷羁霞难。 因此本文采用特征分离和分阶段识别的方法。 东南大学硕士学位论文籀三章审辆识别系统的赋理 3 。2 客、货车的分类 逶 童磷褒我翻发现，客车耱货车在菜釜特征土其有缀爨显懿麓异，褥盈这些 特征可以很好的代表客、货车的特点，并且具有很好的稳定性，因此可以利用这 些特征首先将客车和货车分开。那么接下来就可以对客车和货车分别的考虑识剐 模登豹建立。 因此识别的第一阶段我们首先识别出车辆是客举还是货车，这一部分是粮划 分，我们知道粗划分有一个基本要求：识别精度一定要高，因为如果第一步都识 爨锩了，盾甄裁缀难褥鬟准确豹效莱。 通过研究，根据结构风险最小化原则建立的支持向量机( s v m ) 理论，由 有限的训练集样本得到的决策规则对独立的测试集仍然能够得到较小的误差，并 盈镶好懿释决了淤经撬嚣学习鹣过度揆含、蘩线性淹蓬豹缀数灾罐瑷及麓帮肇查 点问题。特别的，支持向擅机理论是针对二类模式识别问题提出米的，i 耐第一阶 段划分正是凝将车型分为两个模式，因此我们采用支持向鬣机理论进行客、货率 分类。 从线性判决函数的角度我们可以知道，对于线性可分集，总可以找到使模式 样本征确划分的解。般说来，它有无数多个解，但是很难得到一个最优解，对 于不溺翡最饶分赛瓣准刘靛哥戳褥黉不霹豹分秀蟊。 设二类模式的线性判别函数为： g ( 爿) = w 1 x + w o ( 3 1 ) 潮剐飙剐为： g ( 并) 毡i fx 一 f 3 2 ) g ( x ) = 妻( 形7 渺) 最，j 、静势赛趣乎瑟，瑟袋子最，l 、静分器嚣土熬撵零貘式囱藿称为支持鹈量。这样 求最优分类面的间题就转化为一个非线性规划问题： m 啦言( 矿矽) 母i 【) 乩t y a w l 墨一b ) 2 l ， i = l ，2 ，( 3 6 ) 这蹙一个菲线往规划闻瑟，壹按求解魄较露难。我们稠雳鼯线往麓掰串静拉穆麓 旦对偶法将闫题转换成一个二次规划阉题。 我们知道，对于一个规划问题： 东南犬学硕士学位论文 第三章车辆识别系统的原理 m i n f ( x ) s ? 。 菩茗) 0 工x 定义拉格朗日函数为：l ( x ，五) = f ( x ) - 2 9 ( x ) 五0 那么这个矮翔闫憨就等价于超越： ( 3 7 ) m m a x 哩n 慨 ( 3 - 8 ) 因此对于支持向赞机的优化问题，构造如t 的l a g r a n g e 踊数： 锣删= 吉缈啥静l 矿五叫嚣q ( 3 9 ) 其中壤l a g r a n g e 乘子，a ；0 ，由l a g r a n g e 定理霹躲达到投馕豹必要条磐必 帮 觚丽爱优解矿必须满足： 掣= 。，霹喜每冀一。 t s t 焉笋娟聊一喜氆五删 f 3 1 1 ) f 嘎m = o 口? o ， i = 1 ，2 ，f( 3 1 2 ) f * l 而最优的舆型超平面的解权向蹙是训练集中向爨的线性组合： ， = 咒口? 鼍 ( 3 1 3 ) f - l 这样原问题就转换为： m a x z a , 一言x x a , a y i y j ( x ，- ) ? l i- 描”j f 趴t m q = 0 a f 0 ( f = l ，) 抽l f 3 1 4 ) 这个规划问题的网标函数可以写作，7 善一 x h x 7 的形式，对于这样一个二次规划 问题，利用二次规划的求解方法进行求解。通过求解得到最优解“+ ，代入( 3 1 3 ) 寒南丈学硕l j 学位论文 第三章车辆识别系统黪原理 可以得到原问题中驴的最优解，而w n 的最优解可以通过侄选一个戏持向量，由 式( 3 6 ) 的约束方程( 此时取等号) 求融，这样我们就可以得到最优分界面。 透为对予约寨条l 孛，等号奁支持囱撼下才残立，所以只有支持囊量可强在暇 的展开中舆膏菲零系数尊? ，因我宥； w o 一y f 鼙五，英中s 楚支持向麓集。 以上是对于线性可分情况谶芎亍的讨论，对于线性不可分情况也珂以刹用支持 囱量枫理论进行求解，可以果鹪的方法是增加松弛交量或者怒采用合适的梭函 数，这样阿以邋过# 线性变换将低维的辕入空间映射剿衰维的特征空闻，然斌在 掰空间中求解最优分界疆。目前常用的核函数有三类： 多项式垓黼数： x ( x ，x a * 【嵇- 蔗，) + l r0 。1 5 径自基函数凝棱邈数： 融x a = e x p - 譬 剐6 ) 锌经网络s 羹豳数棱函数； 费( 薯置) = t a n h ( v ( x 番) + c )( 3 1 7 ) 3 3 货车率爨谖剐 3 3 ， 模糊神经礴络璞谂 邋过支持囱量班理论将客李翔货车分舞矮，我镪藏可以对熄钠分剃建立识慰 模型。扶赞事黪角发出发，彗壳铡嚣摸糊溲霖理提取特征。提取特蜒之爱，建立 嫫糊享孛经潮终罴绞，逶过识别算法对特锓数据进母予处理褥剿识别镶果。 蓠宠凌模糊隶攫函数翻搂糕专昃别规粥寒攒导建立襻经潮终，模糊雄理系统的 结梅毽含三个帮分：模裁纯屡、模糊撼璎簇秘去模獭能簇。 模糊纯实黼上就是对竣入空闯约分割，善宠稳定每个因子魇县囊的摸式豹拳中 类，瞧载楚对应懿模糊嶷戆个数，接下采镄悫每个摸糊集豹隶攥丞数，遗过霖演 寒襄太学碉i ：学袋论文 第三章车辆识别系统懿疆璎 函数的运算，将真实值转化为各个模糊集中的隶属艘值。对于n 个特征因予 葺，墨，气，确定因子而对成的摸式种类为类，其中第j ( j = 1 , 2 ，t ) 类的隶属黼 数为：胁( 并) 模糊推理是将前提变髓的基本模糊状态转化为结论变量的綦本模糊状态， 獒潮终参数酆必兹提交量戆基本竣态露缝论变量豹蒸零壤态之闻粒模翻关系。嚣 为通过模糊化，我们已经将数据转化为熊有一定实阿意义的隶属度傻，这时我们 就可以利用已l 有的经验信息建立推理规则。设识别对氖所具有的模试的种类为m 炎，羯穗餐戮予葺秘谖爨辩象交之闫戆模壤关系霹敦燕援蓬矩夔 ( ，v ) ) h 。 袋示，其中堆张，印表示墨戆篱u 类霸r 瓣第v 类之阅鹣关系。系绫学习训练的 目标是学习输出识别结果与样本实际结果吻合，因此鬻找到台适的推理规则，使 得识别结果对真实值所在的模糊集的相对隶属度最大。 去模糊他豢是将雄理蟪论交量兹分露璧基本模嬲状态转耽残确定状态匏网 络层。通过前酾的计算已经得到车型相对于每一类的隶属度值，但我们需要的悬 判定车型究竟属于哪一类，因此我们必须通过去模糊化层将结果褥转化为真实 壤，选藏是 鬟鞠结采。 我们确定模糊神经网络系统的结构为一个五层网络结构。如图3 1 具体的模糊神经网络缩构为： 第一层麓浚入层，羧入数蕹戈事受谈掰鹣特奁数攒。骥设籀取豹糁薤为n 令， 输入样本并= ( 一，x 2 ，) 。则第一层神缀元节点数为栉个，每个节点输入样本的 一个特征分墩。 第二层完袋了模糨佬邋程，逶遥确定靛每个! | 等镊稿应于各个耱类豹隶属曝 数，将各个特征的真实值映射为相应的释个种类的隶属度值。其中第i 个特征德 魏第歹类所对成的节点的德为；辑魄) 第三层为辛申经网络的隐含层，隐含滕利用输入数锈与类剐的蓑系，将模糊俄 屡得到的隶属度值进行运辣，实现模糊推理过程。并熙利用转移函数实现非线性 骥葑，使缮慰终在学习过强孛戆够具毒缀磐豹 线蛙羧会静性质。本文孛选取s 东南大学硕十学位论文第三章车辆识别系统的原理 型曲线作为转移函数： 】 ，( 。) 2 而石 第四层为输出层，输出结果是输入样本相对于识别类型的隶属函数，因此神 经元节点数等于识别类型的数目。因为这时输出的仍是模糊量，因此需要通过第 五层去模糊化得到最终的识别结果。去模糊化层采用的理论我们可以依照模糊模 式识别的两个基本原则，最大隶属度原则和则近原则。本文采用最大隶属度原则 确定最终的识别结果。 模糊化层 模糊推理层去模糊化层 图3 1 模糊神经网络系统的结构 东南大学f i 爵：b 学位论文第三带车辆识别系统的原理 建梭了模糊神经网络之后，下蕊就要确定稗缀网络的学习嫂则。本文采髑熨， 学习算法，即剩用误熬的负梯度来调整连接权。函为学习模式集合并不太大，所 以采用累积误差逆传播算法，这样比标准误差逆传播算法收敛速度要快些。 定义( f ) ；辘入层第i 个享幸经元节点在筹个学习模式竣入孵对应的输入售惑； 阮( f ) ：中间层第k 个神经元节点在第f 个学习模式输入时对应的输出信息； 乃( f ) ：输出层第个神经元节点在第f 个学习模式输入时对应的实际信息输 出： y ) ：输出层第个神经元节点在第f 个学习模式输入时对应的期望信息输 遗； 旬( f ) ：输出层第，个神经元节点在第f 个学习模式输入时对应的输入倍恩的 误差值； 酸；输入层裂串阉层斡连接投； ：中间层到输出层的连接权； 壤：中闻凄冬季搴缝元靛阉篷为； 0 ：输出层各神缀元的阀值为。 其中i = 1 , 2 ，- 一，；是= 1 , 2 ，t p ；歹= 1 , 2 ，譬 t = l ，2 ，m e 定义谡差函数为： s ( o ：专圭o ) ：专芝慨- z y ( f ) ) 2 ( 3 1 8 ) 故累积误差为： ，= j q ) 3 + 1 9 ) 按梯度下降原则，皮使的调熬量与斋鲁的负值成雁比例变化，阑此 毒二 东南大学硕士学位论文第三章车辆识别系统的原理 由f 3 1 9 ) ，我们可以得到 由( 3 1 8 ) ，我们可以得到： 2 一喏 ( 3 2 0 ) a v i ：一8 旦t a r 3 2 1 ) 器_ _ ( 蹦沪尔f ) ) 一心) ( 3 2 2 ) 又因她= f ( 圭。v k i b k ( 旷r a f ) ) ，m ) = 专 所以： 且有 色，0 ) a 厂( 工) = 2 f ( x ) 1 一，( x ) ( 3 2 3 ) 可( 钆o ) 一咋o ) ) a o f ( 杰v 目b k ( t ) 一咋( f ) ) a ( 杰6 。( f ) 一吒( f ) ) 皇一三= l 一 a ( 圭一吒( f ) ) a i = l = 2 z j ( 州一z 如) ) 以( f ) ( 3 2 4 ) 将( 3 2 2 ) 和( 3 2 4 ) 代入( 3 2 1 ) ，我们可以得到 m = 2 o ( f ) z ，o ) ( 1 一z ，( f ) ) o ) ( 3 2 5 ) f l l 同理我们可以得到由输入层到中间层连接权的调整方式。 由上面的分析我们可以看到，建立模糊神经网络最重要的也是最困难的两点 盟 出一a 茜嚣 。h 匹 伊 东南大学硕士学位论文 第三章车辆识别系统的原理 就是隶属函数的构造和模糊推理规则的建立。传统的方法是由人为确定，然后带 到模型中考察效果。这一方法带有很大的主观性不仅费时、费力，而且很难得到 一个公认的好的结果。近些年人们研究通过神经网络的自学习能力完成模糊规则 的自动提取以及模糊隶属函数的自动生成，并得到了一些