基于KNN算法的乘用车类型识别研究

摘　要：乘用车类型一般根据车辆的长度、宽度、高度和轴距等参数来划分，由人工判断车辆的上述参数分别属于哪类车型的参数区间，如果车辆的这些参数都属于同一车型，则可以直接确定车辆类型，否则需要结合个人经验来综合评定，将会导致不同的人对同一车辆的评判结果未必一致。KNN（K—近邻）算法属于监督学习算法，既可以用于分类，也可以用于回归。文章利用 Python 语言的 sklearn 库，用程序实现 KNN 算法，提取已知类型车辆的长度、宽度、高度和轴距等特征形成特征向量，通过训练得到 KNN 模型，使用该模型对测试集进行分类识别，识别准确率高，可以消除由人工判定乘用车类型带来的分歧，实现了利用 KNN 算法进行乘用车类型的自动识别。

【分　类】 【交通运输】 > 公路运输 > 汽车工程 > 汽车制造厂
【关键词】 KNN 乘用车类型 自动识别 Python
【出　处】 《移动信息》2022年 第04期 184-186页　共3页
【收　录】 中文科技期刊数据库

【参考文献】
［1］张丹 . 基于市场认知的乘用车感知质量研究 [J]. 上海汽车 ,2012(7):35-37,44.［2］王景文 , 李伟 , 李永彬 . 基于 KNN 的中医胃疼病患者分类研究 [J]. 电脑与信息技术，2019(5):40-43.［3］卢利琼 , 吴东 . 一种利用 KNN 实现手写数字识别的方法 [J]. 现代信息科技 ,2021(4):97-99.［4］林海 , 叶小玲 .Sklearn 数据挖掘技术在职业院校人才招聘中的应用 [J]. 现代计算机 ,2020(24):20-26.［5］杨荣林 . 基于 CBR 和 KNN 的汽车故障诊断专家系统开发 [J]. 技术与市场 ,2018(2):17-21.

原文预览