基于NNMF与PLS的车辆特征选取研究

摘要

车辆自动检测是智能交通领域的关键问题.本文构造了一种车辆特征选取与降维的方法.首先采用偏最小二乘,而非经典的主成分分析算法,对包含了正、负样本的训练集图像进行分解;然后采用变量重要性分析方法,对各原始特征评价,并按评价得分排序,选用高分特征作为低维空间,对数据进行描述,从而实现了原始数据降维与特征选取操作.为了继承PCA对正本数据的融合功能,我们采用非负矩阵分解方法对正样本进行融合.实验在标准的车辆侧视图数据集上进行,证实了本文算法的有效性.