基于集成学习的换道决策与状态估计方法研究

• 作者: 徐远新 黎莉
• 来源期刊: 上海汽车
• 关键词: 换道决策 随机森林法 Adaboost算法 分类精度
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 技术导向
• 页码范围: 44-48
• 页数: 5页
• 字数: 3794字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-4554.2016.05.10

摘要

为提高换道辅助系统阈值的精确度,提出了两种可应用于换道辅助系统的集成学习方法:随机森林和AdaBoost算法.采用实车试验数据建立和验证算法,结果表明:相比于以往研究中使用的贝叶斯或者决策树分类方法,这两种集成学习方法具备较高的分类精度和较低的假阳性率.采用AdaBoost算法的车道保持精度可达99.1％,随机森林精度为98.7％,相应的真阳性率分别为96.3％和94.6％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐远新	长安大学汽车学院	14	41	4.0	6.0
2	黎莉	长安大学汽车学院	8	13	2.0	3.0