减法聚类和粒子群优化TS模糊神经网络的驾驶疲劳融合检测
U495; 为提高基于单一特征检测算法的准确率和可靠性,提出基于多个特征的驾驶疲劳融合检测算法.从直接反映驾驶员疲劳的2个面部特征和间接反映疲劳的1个车辆行为特征2个方面对驾驶疲劳进行综合检测.该算法运用TS模糊神经网络来识别驾驶疲劳,采用减法聚类对网络进行结构辨识,确定模糊规则的条数及相关参数的初始值,并改进了粒子群优化算法对网络进行训练.仿真和实车实验表明,该算法不仅能有效改善TS模糊神经网络的收敛速度和识别精度,而且能提高驾驶疲劳的检测正确率....
Gespeichert in:
| Veröffentlicht in: | 东南大学学报(英文版) 2009, Vol.25 (3), p.356-361 |
|---|---|
| Hauptverfasser: | , , , |
| Format: | Artikel |
| Sprache: | chi |
| Online-Zugang: | Volltext |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| container_end_page | 361 |
|---|---|
| container_issue | 3 |
| container_start_page | 356 |
| container_title | 东南大学学报(英文版) |
| container_volume | 25 |
| creator | 孙伟 张为公 李旭 陈刚 |
| description | U495; 为提高基于单一特征检测算法的准确率和可靠性,提出基于多个特征的驾驶疲劳融合检测算法.从直接反映驾驶员疲劳的2个面部特征和间接反映疲劳的1个车辆行为特征2个方面对驾驶疲劳进行综合检测.该算法运用TS模糊神经网络来识别驾驶疲劳,采用减法聚类对网络进行结构辨识,确定模糊规则的条数及相关参数的初始值,并改进了粒子群优化算法对网络进行训练.仿真和实车实验表明,该算法不仅能有效改善TS模糊神经网络的收敛速度和识别精度,而且能提高驾驶疲劳的检测正确率. |
| doi_str_mv | 10.3969/j.issn.1003-7985.2009.03.015 |
| format | Article |
| fullrecord | <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_dndxxb_e200903015</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>dndxxb_e200903015</wanfj_id><sourcerecordid>dndxxb_e200903015</sourcerecordid><originalsourceid>FETCH-wanfang_journals_dndxxb_e2009030153</originalsourceid><addsrcrecordid>eNpjYFAxNNAztjSz1M_SyywuztMzNDAw1jW3tDDVMzIwsNQzMNYzMDRlYeCEi3MwcBUXZxkYmBgYm5hxMvg-be9_tnnqi8ZZzzfufjqp5_mmSU_XTni-b8mTPTOe9kwLCX62YuHzzV3Pl857vrv_-d6Jz3fPeT6r5eXKfS9Xbns-bdPTrs0v5vU-ndDxbHHDs63dPAysaYk5xam8UJqbQdPNNcTZQ7c8MS8tMS89Piu_tCgPKBOfkpdSUZEUnwpypYEx0I3GpKgFABFfZA4</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>减法聚类和粒子群优化TS模糊神经网络的驾驶疲劳融合检测</title><source>Alma/SFX Local Collection</source><creator>孙伟 ; 张为公 ; 李旭 ; 陈刚</creator><creatorcontrib>孙伟 ; 张为公 ; 李旭 ; 陈刚</creatorcontrib><description>U495; 为提高基于单一特征检测算法的准确率和可靠性,提出基于多个特征的驾驶疲劳融合检测算法.从直接反映驾驶员疲劳的2个面部特征和间接反映疲劳的1个车辆行为特征2个方面对驾驶疲劳进行综合检测.该算法运用TS模糊神经网络来识别驾驶疲劳,采用减法聚类对网络进行结构辨识,确定模糊规则的条数及相关参数的初始值,并改进了粒子群优化算法对网络进行训练.仿真和实车实验表明,该算法不仅能有效改善TS模糊神经网络的收敛速度和识别精度,而且能提高驾驶疲劳的检测正确率.</description><identifier>ISSN: 1003-7985</identifier><identifier>DOI: 10.3969/j.issn.1003-7985.2009.03.015</identifier><language>chi</language><publisher>东南大学仪器科学与工程学院,南京,210096</publisher><ispartof>东南大学学报(英文版), 2009, Vol.25 (3), p.356-361</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/dndxxb-e/dndxxb-e.jpg</thumbnail><link.rule.ids>314,780,784,4024,27923,27924,27925</link.rule.ids></links><search><creatorcontrib>孙伟</creatorcontrib><creatorcontrib>张为公</creatorcontrib><creatorcontrib>李旭</creatorcontrib><creatorcontrib>陈刚</creatorcontrib><title>减法聚类和粒子群优化TS模糊神经网络的驾驶疲劳融合检测</title><title>东南大学学报(英文版)</title><description>U495; 为提高基于单一特征检测算法的准确率和可靠性,提出基于多个特征的驾驶疲劳融合检测算法.从直接反映驾驶员疲劳的2个面部特征和间接反映疲劳的1个车辆行为特征2个方面对驾驶疲劳进行综合检测.该算法运用TS模糊神经网络来识别驾驶疲劳,采用减法聚类对网络进行结构辨识,确定模糊规则的条数及相关参数的初始值,并改进了粒子群优化算法对网络进行训练.仿真和实车实验表明,该算法不仅能有效改善TS模糊神经网络的收敛速度和识别精度,而且能提高驾驶疲劳的检测正确率.</description><issn>1003-7985</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2009</creationdate><recordtype>article</recordtype><recordid>eNpjYFAxNNAztjSz1M_SyywuztMzNDAw1jW3tDDVMzIwsNQzMNYzMDRlYeCEi3MwcBUXZxkYmBgYm5hxMvg-be9_tnnqi8ZZzzfufjqp5_mmSU_XTni-b8mTPTOe9kwLCX62YuHzzV3Pl857vrv_-d6Jz3fPeT6r5eXKfS9Xbns-bdPTrs0v5vU-ndDxbHHDs63dPAysaYk5xam8UJqbQdPNNcTZQ7c8MS8tMS89Piu_tCgPKBOfkpdSUZEUnwpypYEx0I3GpKgFABFfZA4</recordid><startdate>2009</startdate><enddate>2009</enddate><creator>孙伟</creator><creator>张为公</creator><creator>李旭</creator><creator>陈刚</creator><general>东南大学仪器科学与工程学院,南京,210096</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2009</creationdate><title>减法聚类和粒子群优化TS模糊神经网络的驾驶疲劳融合检测</title><author>孙伟 ; 张为公 ; 李旭 ; 陈刚</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-wanfang_journals_dndxxb_e2009030153</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2009</creationdate><toplevel>online_resources</toplevel><creatorcontrib>孙伟</creatorcontrib><creatorcontrib>张为公</creatorcontrib><creatorcontrib>李旭</creatorcontrib><creatorcontrib>陈刚</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>东南大学学报(英文版)</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>孙伟</au><au>张为公</au><au>李旭</au><au>陈刚</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>减法聚类和粒子群优化TS模糊神经网络的驾驶疲劳融合检测</atitle><jtitle>东南大学学报(英文版)</jtitle><date>2009</date><risdate>2009</risdate><volume>25</volume><issue>3</issue><spage>356</spage><epage>361</epage><pages>356-361</pages><issn>1003-7985</issn><abstract>U495; 为提高基于单一特征检测算法的准确率和可靠性,提出基于多个特征的驾驶疲劳融合检测算法.从直接反映驾驶员疲劳的2个面部特征和间接反映疲劳的1个车辆行为特征2个方面对驾驶疲劳进行综合检测.该算法运用TS模糊神经网络来识别驾驶疲劳,采用减法聚类对网络进行结构辨识,确定模糊规则的条数及相关参数的初始值,并改进了粒子群优化算法对网络进行训练.仿真和实车实验表明,该算法不仅能有效改善TS模糊神经网络的收敛速度和识别精度,而且能提高驾驶疲劳的检测正确率.</abstract><pub>东南大学仪器科学与工程学院,南京,210096</pub><doi>10.3969/j.issn.1003-7985.2009.03.015</doi></addata></record> |
| fulltext | fulltext |
| identifier | ISSN: 1003-7985 |
| ispartof | 东南大学学报(英文版), 2009, Vol.25 (3), p.356-361 |
| issn | 1003-7985 |
| language | chi |
| recordid | cdi_wanfang_journals_dndxxb_e200903015 |
| source | Alma/SFX Local Collection |
| title | 减法聚类和粒子群优化TS模糊神经网络的驾驶疲劳融合检测 |
| url | https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-03T09%3A51%3A38IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%87%8F%E6%B3%95%E8%81%9A%E7%B1%BB%E5%92%8C%E7%B2%92%E5%AD%90%E7%BE%A4%E4%BC%98%E5%8C%96TS%E6%A8%A1%E7%B3%8A%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E7%9A%84%E9%A9%BE%E9%A9%B6%E7%96%B2%E5%8A%B3%E8%9E%8D%E5%90%88%E6%A3%80%E6%B5%8B&rft.jtitle=%E4%B8%9C%E5%8D%97%E5%A4%A7%E5%AD%A6%E5%AD%A6%E6%8A%A5(%E8%8B%B1%E6%96%87%E7%89%88)&rft.au=%E5%AD%99%E4%BC%9F&rft.date=2009&rft.volume=25&rft.issue=3&rft.spage=356&rft.epage=361&rft.pages=356-361&rft.issn=1003-7985&rft_id=info:doi/10.3969/j.issn.1003-7985.2009.03.015&rft_dat=%3Cwanfang_jour%3Edndxxb_e200903015%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=dndxxb_e200903015&rfr_iscdi=true |