《表1 减速度谱聚类与K均值聚类结果对比》

  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

式中：wij为数据点xi和xj之间的相似性；γ为尺寸参数，定义为1/nm，nm代表采用不同指标的数量，文中不同指标为DTW和Δjerk。将DTW和Δjerk归一化到0～1，消除维度对相似度测量的影响。利用Matlab对提取的127条减速曲线进行谱聚类。除谱聚类外，还以平均减速度、最大减速度、减速度曲线变化率等特征为基准进行K均值聚类，并与谱聚类进行比较。考虑到样本容量有限，选择K为2的聚类进行风险等级识别，聚类结果如表1所示：谱聚类结果的平均最大减速度和平均减速度较高，但平均曲线变化率水平相对较低。由于制动过程具有较高的平均和最大减速度，且曲线变化率分别低了4.061和1.003，因此谱聚类结果比K均值更合理。与K均值方法相比，谱聚类技术能更好地识别减速度曲线的高幅值和快变化率模式。Cluster1总体上具有更高的最大平均减速度水平及更快的平均减速度，因此将Cluster1中的减速曲线归为高危险级别，而Cluster2中的被划分为一般风险级别。