基于随机森林的疲劳驾驶检测识别模型的优化研究
100 积分
50
评分
4.8 积分- 详情
- 2021-04-27
- 简介
pdf
- 962KB
- 页数 5P
- 阅读 76
- 下载 37
与传统基于驾驶员行为的疲劳检测手段相比,基于驾驶员生理指标的驾驶疲劳检测是一种更加客观准确的检测方法,但由于生理信息复杂度高,传统生理指标疲劳检测模型效果不佳且实时性差。随机森林是一种收敛速度快,可处理复杂特征向量样本,高效精准的分类算法。文章在驾驶员生理指标检测基础上,提出一种应用随机森林模型进行疲劳驾驶检测识别的方法,并通过粒子群优化算法和设置阈值修剪错误决策树方式对随机森林模型进行优化,以提高精度和效率。仿真实验结果表明,优化后检测精准确度高达98%,运行效率提高50%。
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
ayise851***
擅长:
土建 装饰 园林 电气
- -
服务
- 3
商品
- -
人气
相关推荐
基于随机森林的疲劳驾驶检测识别模型的优化研究 962KB
基于One-R的改进随机森林入侵检测模型研究 236KB
疲劳驾驶冲出高速公路护栏 348KB
基于随机森林模型的电力企业员工离职倾向预测研究 3.1MB
基于随机动态最优化模型的土地出让价格分析 388KB
基于随机森林的屋顶机空调系统故障诊断研究 3.3MB
基于随机骨料模型的混凝土弹性模量预测研究 757KB
基于随机骨料模型的混凝土弹性模量预测研究 757KB
随机森林在群控电梯交通模式识别中的应用 386KB