文章摘要
author_cn_name].基于蚁群算法的车辆状态疲劳特征优化研究[J].重庆科技学院学报(自然科学版),2024,26(2):.
基于蚁群算法的车辆状态疲劳特征优化研究
  
DOI:10. 19406 / j. issn. 1673-1980. 2024. 02. 012
中文关键词: 交通安全  疲劳驾驶  蚁群算法  特征选择
英文关键词: 
基金项目:重庆市教育委员会科技重大项目“山地道路疲劳驾驶特征融合与险态行为识别研究”(KJZD-M202301502);重庆市 自然科学基金项目“面向多模态异构大数据的特征自主学习方法研究” (CSTC2021YCJH-BGZXM0071),“基于操作 行为的驾驶人疲劳特征学习方法研究”(CSTC2020JCYJ-MSXMX0927)
作者单位
陈智能,李作进,冯世霖,史蓝洋,曹亚男,贺学乐(76-81) 重庆科技学院 电气工程学院 
摘要点击次数: 95
全文下载次数: 0
中文摘要:
      针对疲劳驾驶引起的道路交通安全问题,提出一种改进蚁群优化(IACO)算法对车辆状态疲劳 特征进行优化。 将特征选择问题转化为全连接的无向图,引入 Fisher 分数与最大信息系数来提高搜 索效率、降低特征冗余度。 从车辆状态参数中提取疲劳特征,利用 IACO 算法对疲劳特征进行优化, 得到最优疲劳特征子集。 实验结果表明,IACO 算法的 SVM 分类准确率为 85. 6%、KNN 分类准确率 为 83. 2%,均高于其他常用特征优化算法的分类结果,说明 IACO 算法对疲劳特征的优化性能高于 其他常用特征优化算法。
英文摘要:
      
查看全文   查看/发表评论  下载PDF阅读器
关闭

手机扫一扫看 分享按钮