期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于粒子群优化与支持向量机的驾驶员疲劳等级判别 被引量：15
1
作者 王琳虹 李世武 +1 位作者 高振海 冀秉魁 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2014年第12期102-107,共6页
为客观、准确地判别驾驶员的疲劳程度,采用多项驾驶员生理指标、基于粒子群与支持向量机(SVM)算法建立驾驶疲劳等级判别模型,首先将驾驶员疲劳状态分为清醒、轻度疲劳、重度疲劳和睡意4个等级,然后将驾驶员的心电RR间期标准差、心率均... 为客观、准确地判别驾驶员的疲劳程度,采用多项驾驶员生理指标、基于粒子群与支持向量机(SVM)算法建立驾驶疲劳等级判别模型,首先将驾驶员疲劳状态分为清醒、轻度疲劳、重度疲劳和睡意4个等级,然后将驾驶员的心电RR间期标准差、心率均值、呼吸潮气量、脑电的α波、β波和δ波功率谱密度积分等作为SVM的输入变量,驾驶疲劳等级作为输出变量,引入粒子群算法优化SVM的惩罚系数和核函数参数对判别模型进行标定,采用吉珲高速公路上的实车实验数据对模型有效性进行验证.结果表明:本模型对4项疲劳等级的判别准确率均高于85%,对于驾驶员疲劳预警具有重要意义.通过对模型各个输入变量的敏感性分析,证明基于多项生理指标的疲劳判别较基于单生理指标的疲劳判别更加有效. 展开更多
关键词 驾驶员生理指标 疲劳判别 支持向量机 粒子群 敏感性分析
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部