《表2 SVM判别结果:基于驾驶员反应时间的驾驶疲劳量化》
将试验中获取的600组驾驶员反应时间数据随机抽取并分为两组:第1组共300组反应时间数据,作为SVM模型的训练集;第2组共150组反应时间数据,作为SVM模型的测试集。通过自我评价量表将随机抽取的反应时间数据赋予标签,输入量为驾驶员反应时间,输出量为疲劳等级。利用所建立的SVM模型,迭代次数为200,种群数量为20,SVM交叉验证参数为10,其余值为默认值。利用GA-PSO混合算法进行参数寻优,优化后所得的最佳C=5.3303,g=9.3182。将反应时间和优化后的参数代入到模型中,所得到的判别结果如表2所示,可见:经GA-PSO参数优化后,SVM模型判别准确率为80.67%。
图表编号 | XD00162672900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.01 |
作者 | 郭梦竹、李世武 |
绘制单位 | 吉林大学交通学院、吉林大学交通学院 |
更多格式 | 高清、无水印(增值服务) |