《表3 各模型的疲劳驾驶识别结果》
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)。
图表编号 | XD00222623900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.15 |
作者 | 吴士力、唐振民、刘永 |
绘制单位 | 南京理工大学计算机科学与工程学院、南京交通职业技术学院汽车工程学院长安福特实验室、南京理工大学计算机科学与工程学院、南京理工大学计算机科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |