文摘
英文文摘
声明
1绪论
1.1研究背景
1.1.1智能车辆的研究进展
1.1.2智能车辆的关键技术
1.1.3障碍物检测方法
1.2机器学习技术在智能车辆系统中的应用
1.2.1引入机器学习技术的优势和存在的问题
1.2.2机器学习技术主要研究的问题
1.3本文的主要研究内容
1.4本文的结构安排
2环境感知图像的特征提取
2.1概述
2.2颜色特征
2.2.1颜色模型的选择
2.2.2颜色矩
2.3纹理特征
2.3.1彩色图像转灰度图像
2.3.2快速傅立叶变换
2.3.3基于频率的纹理特征提取
2.4数据的处理
2.5本章小结
3基于传统支持向量机的障碍物检测
3.1统计学习理论
3.2支持向量机的基本原理
3.2.1线性可分
3.2.2线性不可分
3.2.3非线性空间
3.2.4核函数
3.3支持向量机训练算法的实现
3.3.1最优化理论
3.3.2序贯最小优化算法
3.3.3决策函数中的常数项
3.4基于传统支持向量机的障碍物检测实验
3.4.1实验描述
3.4.2参数选择实验
3.4.3实验结果与分析
3.5本章小结
4基于主动学习SVM的障碍物检测
4.1主动学习简介
4.2基于后验概率的SVM
4.2.1概率模型的确定
4.2.2基于最大熵估计的模型参数的确定
4.3基于SVM概率模型的主动学习方法
4.4基于主动学习SVM的障碍物检测实验
4.4.1实验描述
4.4.2实验结果与分析
4.5本章小结
5结论
致谢
参考文献