基于自适应遗传粒子群优化模糊神经网络的疲劳驾驶预测模型

• 作者: 唐慧强 夏旻 孙伟 张为公 张小瑞
• 来源期刊: 汽车工程
• 关键词: 疲劳驾驶 减法聚类 自适应遗传粒子群优化 模糊神经网络
• 年，卷（期）: 2013,（3）
• 所属期刊栏目: 论文
• 页码范围: 219-223,228
• 页数: 6页
• 字数: 3957字
• 语种: 中文

摘要

为提高疲劳驾驶的预测精度,提出了基于减法聚类和遗传粒子群优化模糊神经网络的疲劳驾驶预测模型.根据训练样本,利用减法聚类确定网络结构和初始参数；借助于进化速度因子,采用自适应遗传粒子群算法优化网络参数.利用疲劳驾驶实车模拟实验获得的数据,对该模型进行了训练和测试,并将结果与传统的粒子群、遗传和反向传播算法进行对比.结果表明,该模型不仅精简了网络结构,缩短了训练时间,而且减小了全局误差,提高了预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张为公	东南大学仪器科学与工程学院	227	2706	26.0	38.0
2	唐慧强	南京信息工程大学信息与控制学院	93	736	13.0	21.0
3	孙伟	南京信息工程大学信息与控制学院	38	250	9.0	14.0
4	夏旻	南京信息工程大学信息与控制学院	25	102	7.0	8.0
5	张小瑞	南京信息工程大学信息与控制学院	46	304	9.0	15.0