Invention Grant
CN110751101B 基于无监督极限学习机多重聚类算法的疲劳驾驶判断方法
失效 - 权利终止
- Patent Title: 基于无监督极限学习机多重聚类算法的疲劳驾驶判断方法
-
Application No.: CN201911005880.0Application Date: 2019-10-22
-
Publication No.: CN110751101BPublication Date: 2022-05-17
- Inventor: 孙文财 , 司仪豪 , 李世武 , 郭梦竹
- Applicant: 吉林大学
- Applicant Address: 吉林省长春市高新产业开发区前进大街2699号
- Assignee: 吉林大学
- Current Assignee: 吉林大学
- Current Assignee Address: 吉林省长春市高新产业开发区前进大街2699号
- Main IPC: G06V20/59
- IPC: G06V20/59 ; G06V10/762 ; G06V10/764 ; G06V10/774

Abstract:
本发明基于无监督极限学习机多重聚类算法的疲劳驾驶判断方法,属于驾驶安全技术领域,通过高斯混合模型及贝叶斯信息准则,确定最佳分类簇数和各类别下概率密度分布函数,确定了在疲劳识别数据组中最佳的识别模型。再通过无监督极限学习机的特征提取非迭代算法,获得收敛于全环境最小值,得到输出矩阵;通过PCA算法充分利用了在无监督极限学习机特征提取下四种聚类算法对不同特征划分学习下的优势,将疲劳识别点识别准确度矩阵进行成分得分系数矩阵计算,通过归一化得分系数转化为平衡四种聚类算法在疲劳识别领域中的权重系数,使得训练集数据聚类的精度趋于平衡。
Public/Granted literature
- CN110751101A 基于无监督极限学习机多重聚类算法的疲劳驾驶判断方法 Public/Granted day:2020-02-04
Information query