基于一维卷积神经网络和降噪自编码器的驾驶行为识别

• 作者: 彭东旭 杨云开 范文兵
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 传感器数据 一维卷积神经网络 降噪自编码机 时间复杂度 驾驶行为识别
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 171-176
• 页数: 6页
• 分类号: TP391
• 字数: 4677字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.08.030

摘要

针对驾驶行为分类中出现的精度不足和时间复杂度高的问题,提出一种基于一维卷积神经网络(1D-CNN)和降噪自编码机(DAE)的混合模型.使用移动终端在车辆行驶中采集加速度传感器数据、陀螺仪传感器数据以及磁场传感器数据,融合这三种传感器数据,经过预处理后输入到DAE中,提取DAE中隐藏层特征数据完成降维处理,将降维数据输入到三通道的1D-CNN中,通过Softmax分类器识别出九种驾驶行为.实验结果表明,该模型的整体识别率为93.7％,分类效果优于传统的机器学习算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范文兵	郑州大学信息工程学院	58	345	9.0	15.0
2	杨云开	郑州大学信息工程学院	3	0	0.0	0.0
3	彭东旭	郑州大学信息工程学院	3	0	0.0	0.0