| 基于最优特征选择与支持向量机的钱塘江涌潮检测算法 |
| |
| 引用本文： | 高鹏,王瑞荣,王培力.基于最优特征选择与支持向量机的钱塘江涌潮检测算法[J].水利水电技术,2017,48(1):40-45. |
| |
| 作者姓名： | 高鹏 王瑞荣 王培力 |
| |
| 作者单位： | （杭州电子科技大学生命信息与仪器工程学院，浙江杭州310018） |
| |
| 摘 要： | 以设计一种全新的背景模型算法为目标,依据图像像素特征之间的差异,使用高斯核函数获取像素特征的概率密度,统计不同区间的密度估计值,从特征池中选择适合的像素特征组成特征模板图,以输入视频流中对应位置的像素特征值作为输入量,使用支持向量机训练固定数目的像素特征值,对比分离出前景和背景。该方法应用于钱塘江涌潮检测的结果表明,F-measure值均在65%以上,鲁棒性较强;支持向量机方法选择径向核函数的识别率超过90%,运算速度较高。该方法能减少水面波动的干扰,具有较高的精度,可为河流动力特征描述提供重要工具。
|
| 关 键 词： | 最优特征选择 支持向量机 背景建模 运动目标检测 涌潮检测 钱塘江 |
| 收稿时间： | 2016-11-17 |
Optimal feature selection and support vector machines-based algorithm for detection of tidal bore in Qiantangjing River |
| |
| GAO Peng,WANG Ruirong,WANG Peili.Optimal feature selection and support vector machines-based algorithm for detection of tidal bore in Qiantangjing River[J].Water Resources and Hydropower Engineering,2017,48(1):40-45. |
| |
| Authors: | GAO Peng WANG Ruirong WANG Peili |
| |
| Affiliation: | (College of Life Information Science & Instrument Engineering，Hangzhou Dianzi University，Hangzhou310018, Zhejiang, China) |
| |
| Abstract: | |
| |
| Keywords: | optimal feature selection support vector machines background modeling moving object detection tidal bore detection Qiangtangjiang River |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《水利水电技术》浏览原始摘要信息 |
|
点击此处可从《水利水电技术》下载全文 |
|
