基于蚁群优化模糊C均值聚类算法的疲劳驾驶研究

论文摘要

通过收集大数据对汽车驾驶员的疲劳特征和疲劳参数进行学习,根据学习的参数将驾驶员的疲劳程度进行分类,提出了蚁群优化的模糊C均值聚类算法。在初步聚类中运用蚁群聚类产生聚类中心和簇的个数,提供给模糊C均值聚类;利用模糊C均值聚类再次进行聚类,克服了单个聚类算法的缺点。仿真结果表明:文中方法比一般方法具有更好的性能和聚类效果。利用BP神经网络模式识别功能可以识别疲劳驾驶类别。

论文目录

• 1 聚类分析
•   1.1 蚁群聚类
•   1.2 改进蚁群聚类
•   1.3 模糊C均值聚类
• 2 实验分析
•   2.1 简易数据分析处理
•   2.2 数据主成分分析
•   2.3 疲劳驾驶的聚类分析
•   2.4 驾驶人分类的模式识别
• 3 结论

文章来源

类型: 期刊论文

作者: 鲁明,王彬,刘东儒,胡颖雁

关键词: 驾驶行为,模糊均值聚类,蚁群聚类算法,模式识别

来源: 湖北汽车工业学院学报 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 汽车工业

单位: 池州职业技术学院机电技术系

基金: 池州职业技术学院院级重点项目(2017jyxm07),池州职业技术学院省级教学项目(2017jyxm0686),安徽省高校省级质量工程校企合作实践教育基地项目(2017sjjd052)

分类号: U463.6

页码: 23-28

总页数: 6

文件大小: 1051K

下载量: 125