基于模糊模式识别的车型分类的研究

由于模糊数学的引入，基于模糊集理论发展起来的模糊模式识别为复杂的、不确定性背景下探索和模拟人类的识别机理提供了一种简便而有效的方法。因此，模糊模式识别技术无论在理论上还是在实践上都有着重大的意义。本课题将模糊模式识别引入到交通管理领域中，利用环形线圈作为传感器采集数据源，在此基础上，采用特征分离的模糊模式识别方法对车辆进行分类，取得了良好的效果，并可应用于实际的交通流量统计和不停车收费系统中。本论文主要介绍了以下内容：(1）叙述了用环形线圈作为传感器的车辆检测方法，采用一种实时史新线圈基 准值的算法，解决了环形线圈容易造成“锁死”的问题。（2）利用环形线圈作为传感器，采用特征分离与匹配分类的模糊模式识别的车型识别方法，从特征提取、隶属函数的建立、特征选择和匹配分类等儿个方面进行了大量的工作。本文所采用的特征分．离的模糊模式识别方法充分考虑了每类车辆的特点，为每类车辆建立了一组特征；同时采用了模糊子集来作为特征的表达，对于外界干扰具有很高的容忍度。本文采用模糊模式识别方法，是为了更好地利用人的识别经验，把人的经验归纳成推理规则，用推理代替计算来完成识别的过程。经实际应用证明，具有较高的识别率。(3)采用一种模糊推理网络的监督学习算法，可以很好的达到以下儿个目标：样本模式隶属函数中心的校正、添加样本模式、合并样本模式、删除样本模式。（4）车型判别系统可以很好的应用于不停车收费系统中，有效的防止作弊，并且在智能交通系统中也有很大的应用前景。