基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对典型密度聚类(DBSCAN)受参数影响较大和数学形态学聚类(MMC)需大量人工干预的问题,将DB-SCAN与改进的MMC相结合,提出面向驾驶员注视点离散、注视集中区域不规则特点的DBSCAN-MMC聚类方法.实例验证结果表明,该方法充分利用DBSCAN和MMC的不规则形状聚类优势并较好地弥补2种聚类方法的缺陷.通过比较证明DBSCAN-MMC在进行驾驶员注视区域划分时聚类效果优于常规K-means聚类方法和DB-SCAN聚类方法,提高驾驶员注视区域划分质量.
推荐文章
基于PERCLOS的驾驶员眼睛状态检测方法
驾驶疲劳
肤色分割
眼睛定位
眼睛状态
基于机器视觉的驾驶员疲劳检测方法
疲劳检测
人脸检测
Adaboost算法
信息融合
特种车辆驾驶员辅助观察系统设计方法
视野
车外盲区
优化设计
摄像头
北方林区冰雪路面驾驶员眼动变化规律
北方林区
冰雪路面
平均眨眼持续时间
平均瞳孔直径
平均扫视幅度
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 面向驾驶员注视区域划分的DBSCAN-MMC方法
来源期刊 浙江大学学报(工学版) 学科 交通运输
关键词 交通工程 聚类 DBSCAN MMC 注视区域划分 边界生硬
年,卷(期) 2015,(8) 所属期刊栏目 土木工程、水利工程、交通工程
研究方向 页码范围 1455-1461
页数 7页 分类号 U495
字数 5729字 语种 中文
DOI 10.3785/j.issn.1008-973X.2015.08.008
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李世武 吉林大学交通学院 63 624 17.0 23.0
2 杨志发 吉林大学交通学院 23 177 9.0 13.0
3 孙文财 吉林大学交通学院 16 65 4.0 7.0
4 徐艺 吉林大学交通学院 12 48 4.0 6.0
5 郭梦竹 吉林大学交通学院 4 18 2.0 4.0
6 魏学新 吉林大学交通学院 1 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (19)
共引文献  (83)
参考文献  (10)
节点文献
引证文献  (3)
同被引文献  (7)
二级引证文献  (10)
1993(3)
  • 参考文献(1)
  • 二级参考文献(2)
1996(4)
  • 参考文献(1)
  • 二级参考文献(3)
1998(2)
  • 参考文献(1)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(2)
  • 引证文献(1)
  • 二级引证文献(1)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(6)
  • 引证文献(2)
  • 二级引证文献(4)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
交通工程
聚类
DBSCAN
MMC
注视区域划分
边界生硬
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
浙江大学学报(工学版)
月刊
1008-973X
33-1245/T
大16开
杭州市浙大路38号
32-40
1956
chi
出版文献量(篇)
6865
总下载数(次)
6
总被引数(次)
81907
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导