《表2 风险等级分类规则输出混淆矩阵》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《乘用车谱聚类FCAS/PCW风险等级分类算法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

规则提取问题被视为分类优化问题，混淆矩阵被定义为分类性能评价，如表2所示。对于每个减速度曲线样本，观察到的风险等级是指基于减速度曲线所分类的风险等级簇；而分类风险等级是指在“紧急事件—反应制动”起始时刻，将观察到的{TTC，THW，PICUD}输入到模糊逻辑，根据风险等级聚类结果，输出一般、高风险等级。分类后的样本分别标记为真阴性（TN）、假阴性（FN）、假阳性（FP）和真阳性（TP）。如任意曲线样本，如果模糊逻辑将其划分为一般风险等级，那么根据表2中的混淆矩阵将其分类输出标记为FN，这将直接影响分类性能评价的结果。具体来说，分类性能指数PI是利用2个矩阵的真阳性率（TPR）和准确率（Pr）的几何平均值来定义的，选择TPR和Pr来平衡改善威胁态势检测和避免误报的目标。