基于一种多分类半监督学习算法的驾驶风格分类模型

• 作者: 宋晓琳 张正豪 易滨林 曹昊天 李明俊
• 来源期刊: 湖南大学学报（自然科学版）
• 关键词: 驾驶风格 主成分分析 K-means聚类 支持向量机 多分类半监督学习算法
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 机械工程
• 页码范围: 10-15
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.16339/j.cnki.hdxbzkb.2020.04.002

摘要

基于驾驶模拟平台设计实验方案,同步采集驾驶员的驾驶操作信息和车辆状态信息,选取6个表征驾驶风格的特征参数,采用主成分分析(Principal Component Analysis,PCA)算法对多元特征参数进行特征提取,将前3个主成分作为驾驶风格识别模型的特征输入.利用K-means聚类完成样本标记工作.基于有监督支持向量机(Support Vector Machine,SVM)与多分类半监督学习算法(iMLCU)的原理,分别建立SVM与iMLCU驾驶风格识别模型,通过调节标记样本与未标记样本比例,对比使用不同样本比例训练的SVM和iMLCU模型的驾驶风格识别准确率.结果表明:相比于SVM,iMLCU表现出了更优异的驾驶风格识别能力,由此可知半监督iMLCU模型可以利用未标记样本提高模型对驾驶风格的识别能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋晓琳	湖南大学汽车车身先进设计制造国家重点实验室	67	811	16.0	25.0
2	曹昊天	湖南大学汽车车身先进设计制造国家重点实验室	6	92	5.0	6.0
3	李明俊	湖南大学汽车车身先进设计制造国家重点实验室	1	0	0.0	0.0
4	张正豪	湖南大学汽车车身先进设计制造国家重点实验室	1	0	0.0	0.0
5	易滨林	湖南大学汽车车身先进设计制造国家重点实验室	3	0	0.0	0.0