基于聚类支持向量机的驾驶风格快速模式识别方法
机器学习
2017-02-08 v1 计算机视觉与模式识别
机器学习
摘要
提出了一种表征驾驶员过弯行为的快速模式识别方法。为缩短识别时间并改进驾驶风格的识别，开发了一种基于k-means聚类的支持向量机（kMC-SVM）方法，用于将驾驶员分为两类：攻击型和温和型。首先，将车速和节气门开度作为反映驾驶风格的特征参数。其次，为区分驾驶员过弯行为并减少支持向量数量，使用k-means聚类方法提取并聚集两类驾驶数据，从而缩短识别时间。然后，基于聚类结果，利用支持向量机方法生成超平面，用于判断和预测人类驾驶员所属类型。最后，为验证kMC-SVM方法的有效性，设计并进行了交叉验证实验。研究结果表明，与SVM方法相比，MC-SVM是一种能快速分类驾驶风格的有效方法。
引用
@article{arxiv.1605.06742,
title = {A Rapid Pattern-Recognition Method for Driving Types Using Clustering-Based Support Vector Machines},
author = {Wenshuo Wang and Junqiang Xi},
journal= {arXiv preprint arXiv:1605.06742},
year = {2017}
}
备注
6 pages, 9 figures, 2 tables. To be appear in 2016 American Control Conference, Boston, MA, USA, 2016