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:
以加速踏板开度、加速踏板开度变化率为输入参数,将加速意图分为缓加速、一般加速和急加速,建立了基于支持向量机的电动汽车驾驶意图识别模型.为了解决粒子群算法优化支持向量机参数时寻优范围的不确定性,导致搜索效率不稳定的问题,提出了一种自适应粒子群算法:先通过网格搜索法确定出粒子群算法参数寻优的最佳范围,再由粒子群算法在此范围精确寻优,最后得到了更高准确率的分类结果和缩短了的训练时间.通过仿真实验验证,运用这种自适应粒子群优化支持向量机建立的预测模型辨识度高,模型准确可靠,为驾驶意图的识别提供了新的方法.驾驶意图识别的结果可用于后续的纯电动汽车驱动控制策略的研究,进一步提高汽车的驾驶性能.
推荐文章
基于GEP的支持向量机参数优化
支持向量机
基因表达式编程
参数优化
一种用于测井油气层综合识别的支持向量机方法
油气层识别
测井
录井
支持向量机
分类
一种改进的基于支持向量机的 OFD M识别算法
调制识别
特征参数提取
高阶累积量
支持向量机
一种基于支持向量机的垃圾微博识别方法
博文特征
用户特征
支持向量机
垃圾微博识别
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 一种优化参数的支持向量机驾驶意图识别
来源期刊 实验室研究与探索 学科 工学
关键词 驾驶意图识别 支持向量机 寻优范围 自适应粒子群算法
年,卷(期) 2018,(2) 所属期刊栏目 实验技术
研究方向 页码范围 35-39
页数 5页 分类号 TP181|TP273
字数 4184字 语种 中文
DOI 10.3969/j.issn.1006-7167.2018.02.009
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 李慧 长春工业大学电气与电子工程学院 84 264 8.0 14.0
5 李晓东 长春工业大学电气与电子工程学院 30 120 7.0 10.0
6 宿晓曦 吉林大学通信工程学院 2 4 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (111)
共引文献  (1993)
参考文献  (16)
节点文献
引证文献  (4)
同被引文献  (0)
二级引证文献  (0)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(7)
  • 参考文献(0)
  • 二级参考文献(7)
2003(6)
  • 参考文献(0)
  • 二级参考文献(6)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(9)
  • 参考文献(0)
  • 二级参考文献(9)
2008(7)
  • 参考文献(0)
  • 二级参考文献(7)
2009(10)
  • 参考文献(1)
  • 二级参考文献(9)
2010(12)
  • 参考文献(0)
  • 二级参考文献(12)
2011(8)
  • 参考文献(0)
  • 二级参考文献(8)
2012(16)
  • 参考文献(4)
  • 二级参考文献(12)
2013(9)
  • 参考文献(1)
  • 二级参考文献(8)
2014(7)
  • 参考文献(3)
  • 二级参考文献(4)
2015(9)
  • 参考文献(2)
  • 二级参考文献(7)
2016(4)
  • 参考文献(3)
  • 二级参考文献(1)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(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)
2019(4)
  • 引证文献(4)
  • 二级引证文献(0)
研究主题发展历程
节点文献
驾驶意图识别
支持向量机
寻优范围
自适应粒子群算法
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
实验室研究与探索
月刊
1006-7167
31-1707/T
大16开
上海华山路1954号交大教学三楼456、457室
4-834
1982
chi
出版文献量(篇)
14661
总下载数(次)
46
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导