2014中国汽车工程学会年会用户论文集：针对现有车辆识别主动学习算法中需要人工标记新样本和分类器训练时间漫长的不足，提出了基于概率神经网络（PNN)的一种样本自标记车辆识别主动学习算法。首先提出一种基于多细节先验信息的样本标记策略，融合复杂度、垂直平面和相对速度等先验信息实现新样本的自动标记，然后将PNN网络引入到主动学习分类器模型中，取代传统主动学习算法中的Adaboost、BPNN、SVM等分类器。实验结果表明: 本文算法新样本标记准确率高达99.86%，并且在获得和传统主动学习分类器相当的识别能力的同时，训练时间缩至传统方法的1/500。