原文传递
基于投影孪生向量机的危险驾驶行为识别
| 论文题名： | 基于投影孪生向量机的危险驾驶行为识别 |
| 关键词： | 汽车驾驶;驾驶疲劳检测;驾驶风格识别;投影孪生向量机;多视图学习;半监督学习 |
| 摘要： | 危险驾驶行为是当前导致交通事故发生的最主要因素之一。疲劳驾驶和激进驾驶作为两类典型的危险驾驶行为，不仅对人民的生命财产安全带来了威胁，更严重妨碍了交通运输业的发展。因此采用机器学习方法，对驾驶疲劳和驾驶风格进行准确的识别，成为了当前的研究热点。本文分别从多视图学习以及半监督学习的角度来对上述危险驾驶行为进行研究，有效提高了驾驶疲劳检测以及驾驶风格识别的精度，主要工作如下: (1)深入分析了驾驶疲劳检测和驾驶风格识别问题的研究现状;对支持向量机等机器学习算法从其思想原理、求解方式和分类准则等方面进行了总结归纳;深入探讨了当前的多视图以及半监督学习算法，为危险驾驶行为识别研究奠定了理论基础。 (2)针对驾驶疲劳检测问题，本文提出了两种新的多视图分类模型:多视图投影孪生向量机(MvPTVM)及其鲁棒变体(RMvPTVM)。模型能够整合来自不同视图的互补信息，通过为每类样本寻找多个投影向量，以实现投影子空间中不同类的良好分离。RMvPTVM在此基础上将目标函数中的平方L2范数度量替换为更为稳定的L2，1范数以提高对异常值的鲁棒性。在驾驶疲劳数据以及UCI数据集上实验结果证明，提出的算法具有更好的性能。 (3)对于驾驶风格识别问题，本文结合半监督学习框架，提出了一种半监督投影孪生向量机(SSPTVM)。通过充分利用超维计算(HDC)从原始多变量传感器信息中编码的特征信息，SSPTVM可以优化一对投影矩阵对样本进行分类。此外，通过对粒子群优化(PSO)算法进行改进，满足了需要优化的模型参数中包含离散变量的需求。在真实驾驶风格数据上的实验结果证实了我们方法的有效性。 综上，本文提出的危险驾驶行为识别模型，有效提升了驾驶疲劳检测以及驾驶风格识别的精度，为提升交通安全水平以及未来的智能驾驶发展提供了更多参考方案。 |
| 作者： | 高玉祥 |
| 专业： | 计算机科学与技术 |
| 导师： | 陈小波 |
| 授予学位： | 硕士 |
| 授予学位单位： | 山东工商学院 |
| 学位年度： | 2023 |
检索历史
应用推荐
