《表9 不同算法的危险驾驶行为识别结果比较》
为进一步对比算法的性能,将模型与其他算法支持向量机(SVM),随机森林(RF)以及深层感知器(MLP)等进行对比。分别利用上述4种方法对训练集进行训练,并对测试集进行测试,采用识别率、精确率、召回率、F1值等对模型性能进行评价。其中,F1值是精确率和召回率的调和均值,相当于精确率和召回率的综合评价指标,可以更好地反映模型的识别性能。不同模型之间的对比结果如表9所示。由此可以看出,相对于其他3种算法,LGBM算法的模型识别率可达93.62%,F1值为93.59%,其他性能最优,说明了LGBM算法的模型识别效果最佳。
图表编号 | XD00178876900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.01 |
作者 | 薛清文、蒋愚明、陆键 |
绘制单位 | 同济大学道路与交通工程教育部重点实验室、同济大学道路与交通工程教育部重点实验室、同济大学道路与交通工程教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |