《表3 各模型的疲劳驾驶识别结果》

  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

《多特征融合的随机森林疲劳驾驶识别算法》

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

按五折交叉法将RFWF的运行性能和传统随机森林（RF）、SVM、径向基神经网络（RBF）、贝叶斯分类（BC）等模型进行比较。其中，RF模型采用的是融合SVM的随机森林算法[29]，SVM模型采用的是PSO-SVM算法[30]，RBF模型采用的是SOM算法[31]，BC模型采用的是基于PCA的贝叶斯模型[32]。考虑到疲劳驾驶系统的实时性要求，除了准确率外还有必要考察其运行时模型的单次识别过程（即第二阶段中do＿fatigue＿analysis函数的运行时间）的耗时情况。测试结果如表3所示（A0为清醒状态的平均识别准确率、A1为轻度疲劳状态的平均识别准确率、A2为重度疲劳状态的平均识别准确率、Av为上述三种状态的平均识别准确率）。