一种融合K均值聚类的疲劳驾驶模型研究

• 作者: 吴澄 汪一鸣 谢智
• 来源期刊: 信息通信
• 学科: 工学
• 关键词: 生物信号 驾驶疲劳 支持向量机 个体差异性 K均值聚类
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 技术创新
• 页码范围: 61-62
• 页数: 2页
• 分类号: TP391.41
• 字数: 2197字
• 语种: 中文

摘要

在实际驾驶中每个驾驶员的疲劳状态数据特征并不完全一致,存在个体差异性,限制疲劳驾驶模型的识别效果.基于传统支持向量机模型,提出一种融合K均值聚类的消除驾驶员个体差异性的模型,在训练支持向量机模型前,首先提取每位驾驶员的疲劳聚类中心和清醒聚类中心,然后用这些聚类中心代替原始训练数据作为支持向量机模型的输入.通过多次对比试验测试,结果证明提出的方法相比传统的模型识别率有了较好的提高,达到了80%的识别效果,模型工作所需时间也大大缩短,耗时为原来的十分之一.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汪一鸣	苏州大学城市轨道交通学院	85	328	10.0	13.0
2	谢智	苏州大学电子信息学院	1	2	1.0	1.0
3	吴澄	苏州大学城市轨道交通学院	8	20	3.0	4.0