换一批基于PSO混合特征选择算法在疲劳驾驶中的应用
Application of Hybrid Feature Selection Algorithm Based on Particle Swarm Optimization in Fatigue Driving
摘要基于多源生理信号的驾驶员疲劳检测研究存在特征信息冗余以及佩戴多种传感器影响驾驶员操作的问题.为此, 提出一种结合粒子群优化算法和序列后向选择的特征选择算法.在适应度函数中加入信号源数的惩罚项, 在降低特征维度的同时减少传感器的使用数量.根据所使用分类器的特点对适应度函数进行简化, 提高特征选择算法的运行效率.在粒子定义中加入信号选择位, 提高信号的筛选力度.实验结果表明, 该算法平均使用2种信号和16. 1种特征, 能够获得95. 3％的疲劳驾驶检测正确率.
更多相关知识
关键词
疲劳驾驶多源生理信号混合特征选择粒子群优化序列后向选择fatigue drivingmulti-source physiological signalshybrid feature selectionParticle Swarm Optimization (PSO)Sequential Backward Selection (SBS)
分类号
R318（医用一般科学）
栏目名称
DOI
10.19678/j.issn.1000-3428.0049387
发布时间
2019-05-31（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（61201124）
中央高校基本科研业务费专项（222201717006）
- 浏览3
- 被引4
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
