| 张明恒,翟晓娟,朱有明,赵秀栋.基于改进HMM的驾驶疲劳险态识别方法[J].,2018,58(2):194-201 |
| 基于改进HMM的驾驶疲劳险态识别方法 |
| Driver fatigue risk identification methods based on improved HMM |
|
| DOI：10.7511/dllgxb201802013 |
| 中文关键词:驾驶疲劳隐马尔可夫模型前向后向算法粒子群优化算法 |
| 英文关键词:driver fatiguehidden Markov modelforward-backward algorithmparticle swarm optimization algorithm |
| 基金项目:国家自然科学基金资助项目(51675077)；中国博士后科学基金资助项目(2015M5813292017T100178)；中央高校基本科研业务费专项资金资助项目(DUT16QY42). |
|
| 摘要点击次数:1140 |
| 全文下载次数:1151 |
| 中文摘要: |
| 驾驶疲劳的产生是渐进的动态生成过程，基于隐马尔可夫模型(hidden Markov model，HMM)的相关研究需首先确定模型训练初值，且训练过程易陷入局部最优．基于此，通过在HMM训练过程中引入粒子群优化(particle swarm optimization，PSO)算法对训练过程存在的上述问题进行了改进，并结合驾驶疲劳状态典型数据集对所提出的改进方法和前向后向算法(forward-backward (BW) algorithm)进行了详细对比．实验及分析测试结果表明，所提出的改进方法在驾驶疲劳预测结果准确性和稳定性上都优于BW算法． |
| 英文摘要: |
| The generation of driver fatigue is a progressive dynamic process. Relevant research based on hidden Markov model (HMM) must determine the model′s initial values firstly and the training process tends to fall into local optimum. Therefore, particle swarm optimization (PSO) algorithm is introduced into the process of training HMM to improve the above existing problems. What′s more, the improved method and forward-backward (BW) algorithm are compared in details based on typical driver fatigue data set. Experimental and analytical test results show that the improved method is more accurate and stable than BW algorithm in driver fatigue prediction. |
| 查看全文查看/发表评论下载PDF阅读器 |
| --> | 关闭 |
优惠券领取后72小时内有效，10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材，产品类型包含电子书、题库、全套资料以及视频，无论您是考研复习、考证刷题，还是考前冲刺等，不同类型的产品可满足您学习上的不同需求。 ...考试优惠券 本站小编 Free壹佰分学习网 2022-09-19