论文部分内容阅读
地铁站台门与列车门之间异物的检测和对异物的种类判别是保障乘客安全乘车和列车安全运行的基础。使用改进的Self-organizing Map(SOM)分别学习训练图片的数据分布和分类标签的数据分布,再通过Hebbian Learning(HL)学习图片SOM神经元和对应标签SOM神经元之间的数学关并编码在HL矩阵中,最后以查表方式完成异物分类。研究结果表明:改进的SOM+HL模型把分类准确率从原始模型的64.44%提高到72.6%;增加PCA(Principal components analysis)模块