[发明专利]一种在地磁感应器上基于支持向量机的车型识别方法

摘要

本发明涉及一种在地磁感应器上基于支持向量机的车型识别方法，具体步骤如下：通过地磁感应器采集需识别的车型波形数据；将波形提取为若干数值化的特征，筛选出有效数据，并将特征规范化；根据提取的特征进行多层特征选择，挑选出最优特征组合；建立基于聚类支持向量机的车型分类算法，并采用微粒群算法优化分类函数中的参数；建立二叉树分类模式，训练每个分类节点上的分类器，建立完整的分类决策树；输入待识别车型地磁感应波形，获得对其的识别结果。本发明建立了一种波形特征提取与选择的模式，同时采用的基于支持向量机的分类算法以及微粒群优化算法，均大大提高了机器学习的效能，使其能够快速准确地识别车型。

主权项

1.一种在地磁感应器上基于支持向量机的车型识别方法，其特征在于具体步骤如下：(1)通过单点式地磁感应器设定采集频率，采集需要分类识别的车型地磁感应波形数据，所述采集的感应波形数据为去噪声的线性波形，并且对其作了车速归一化处理，得到的可用格式为线性波形上所有极值点横纵坐标，建立二叉树多车型分类模式；(2)根据采集的感应波形数据，单点式地磁感应器输出的信息为离散点向量，通过数据融合方法将线性波形输出的若干个数值点横纵坐标转化为若干个单独特征，提取出包括波形的结构特征、频谱特征和数值特征三大类特征；(3)根据提取的三大类特征，建立干扰波的筛选方法，筛选出有效的波形样本，设定当最大波动不大于20或者峰谷数不大于3时即可认为是干扰波，判断为无效波形，得到初步提取的结构特征、频谱特征和数值特征；初步提取后，采用K-W检验对单个特征的统计聚散度进行计算评价，并删除其中不满足假设检验的不显著特征，并按照平均数方差法规则对其规范化，建立有效的样本库；(4)建立多层特征选择模式，融合Filter-Filter-Wrapper模式，对步骤(3)提取的初始特征进行特征评估和选择，挑选出最优特征组合；其中：Filter-Filter-Wrapper模式的第一层Filter为基于ReliefF算法的权值过滤，第二层Filter为基于特征间相关系数的去冗余式过滤，第三层Wrapper为利用分类器的交叉验证准确率对Top-K的特征组合进行最优特征组合搜寻，即在提取的初始特征中挑选出最有利于车型识别的特征组合； (5)考虑线性不可分情况，建立非线性软间隔分类器，即建立基于聚类支持向量机的车型识别算法，并采用微粒群算法对分类函数中的核函数参数和惩罚系数C进行优化，建立微粒群优化的聚类支持向量机二类分类器；(6)二叉树上的每个树节点都需利用微粒群优化的聚类支持向量机二类分类器对支持向量机进行训练，获得二叉树中所有二类车型分类器；(7)根据分类模式，通过二叉树上所有二类车型分类器建立完整的分类决策树，对未知车型的波形从决策树自上而下遍历，到达每个分类节点进行判断，直到到达叶子节点，最终识别出车型。