《表3 不同参数输入的模型识别结果对比》
注:SVM模型核函数为高斯函数,惩罚系数为1;KNN模型参数K为5,距离度量选择欧氏距离;BP神经网络激活函数选择logsig,训练函数选择trainim,隐藏神经元个数由经验公式n2=2n1+1确定,其中,n1为输入层维数。
为了解不同特征参数组合对随机森林模型的影响程度,确定驾驶人差异性辨识最优特征参数,分别选取不同的特征指标作为输入,通过10折交叉验证进行准确率评估。同时,采用支持向量机、K近邻、BP神经网络算法对不同参数组合进行识别,以对比不同机器学习方法的识别效果,结果如表3所示。
图表编号 | XD00214828900 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.01 |
作者 | 刘志强、张凯铎、倪捷 |
绘制单位 | 江苏大学汽车与交通工程学院、江苏大学汽车与交通工程学院、江苏大学汽车与交通工程学院 |
更多格式 | 高清、无水印(增值服务) |