IMU 信号的数据增强及基于驾驶行为半监督分类的评估
信号处理
2020-06-17 v1 机器学习
摘要
近年来，从数据中对驾驶员行为进行分类的兴趣激增。这种兴趣对汽车保险公司尤为相关，由于隐私限制，它们通常只能访问惯性测量单元（IMU）或类似设备的数据。本文提出一种半监督学习方案，基于此类 IMU 数据将行程片段分类为驾驶员激进驾驶或正常驾驶。由于带标签的 IMU 数据量有限且生成成本高，我们利用循环条件生成对抗网络（RCGAN）生成更多带标签数据。我们的结果表明，与使用无生成数据的分类相比，利用 RCGAN 生成的带标签数据在 79% 的情况下改进了驾驶员分类。
引用
@article{arxiv.2006.09267,
title = {Data Augmentation of IMU Signals and Evaluation via a Semi-Supervised Classification of Driving Behavior},
author = {Amani Jaafer and Gustav Nilsson and Giacomo Como},
journal= {arXiv preprint arXiv:2006.09267},
year = {2020}
}
备注
Extended version of the paper accepted to The 23rd IEEE International Conference on Intelligent Transportation Systems