《表3 不同驾驶人数量在不同模型下的宏观F1分数》

  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

《基于一维卷积神经网络的驾驶人身份识别方法》

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

在输入样本时间窗口为5s、样本重叠度为80%的条件下，将1-D CNN与SVM，KNN，MLP，LSTM模型针对不同的识别驾驶人数量进行对比。经过10折交叉验证后的宏观F1分数对比结果如表3所示。当驾驶人数量较少（3名）时，传统机器学习算法与LSTM，1-D CNN算法均可以达到较高的识别率；但是随着被辨识人数的增加（大于13名），传统机器学习的识别率下降明显，深度学习模型识别率略有下降，但仍较为理想。其中，LSTM模型的宏观F1分数结果在93%以上，1-D CNN模型表现更优，宏观F1分数均在97%以上，其表现较为稳定，鲁棒性较强。