10.3969/j.issn.1000-386x.2020.08.030
基于一维卷积神经网络和降噪自编码器的驾驶行为识别
针对驾驶行为分类中出现的精度不足和时间复杂度高的问题,提出一种基于一维卷积神经网络(1D-CNN)和降噪自编码机(DAE)的混合模型.使用移动终端在车辆行驶中采集加速度传感器数据、陀螺仪传感器数据以及磁场传感器数据,融合这三种传感器数据,经过预处理后输入到DAE中,提取DAE中隐藏层特征数据完成降维处理,将降维数据输入到三通道的1D-CNN中,通过Softmax分类器识别出九种驾驶行为.实验结果表明,该模型的整体识别率为93.7％,分类效果优于传统的机器学习算法.
传感器数据、一维卷积神经网络、降噪自编码机、时间复杂度、驾驶行为识别
37
TP391(计算技术、计算机技术)
河南省自然科学基金项目20180173A
2020-08-19（万方平台首次上网日期，不代表论文的发表时间）
共6页
171-176
