《表2 不同样本重叠度与时间窗口的模型识别结果对比》

  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

《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

%

在试验过程中，分别选取时间窗口为1，5，10s，样本间重叠度为0、20%、50%、80%的样本，对20位驾驶人进行分类试验。对不同分类模型经过10折交叉验证后的宏观F1分数进行对比，得到如表2所示的结果。增加样本间重叠度有利于获得更多样本数据进行训练和测试，进而可以更细致地捕捉不同驾驶人的时序行为特征，得到更准确的分类效果。对于时间窗口的选择，总体来说选择较小的时间窗口有利于提升整体模型结果。1-D CNN模型在时间窗口为1s时的识别结果较时间窗口为5s时的结果并未显著提升。1-D CNN模型在不同时间窗口选取条件下均可以达到较高的识别结果，相比于其他模型，选择不同的滑动窗口对其分类结果影响较小；对于其余模型，时间窗口选取对模型分类结果影响较为明显。