文献类型：期刊文章

作　　者：陈智能[1] 李作进[1] 冯世霖[1] 史蓝洋[1] 曹亚男[1] 贺学乐[1]

CHEN Zhineng;LI Zuojin;FENG Shilin;SHI Lanyang;CAO Yanan;HE Xuele(School of Electrical Engineering,Chongqing University of Science and Technology,Chongqing 401331,China)

机构地区：[1]重庆科技学院电气工程学院,重庆401331

出　　处：《重庆科技学院学报（自然科学版）》

基　　金：重庆市教育委员会科技重大项目“山地道路疲劳驾驶特征融合与险态行为识别研究”(KJZD-M202301502);重庆市自然科学基金项目“面向多模态异构大数据的特征自主学习方法研究”(CSTC2021YCJH-BGZXM0071),“基于操作行为的驾驶人疲劳特征学习方法研究”(CSTC2020JCYJ-MSXMX0927)。

年　　份：2024

卷　　号：26

期　　号：2

起止页码：76-81

语　　种：中文

收录情况：CAS、普通刊

摘　　要：针对疲劳驾驶引起的道路交通安全问题,提出一种改进蚁群优化(IACO)算法对车辆状态疲劳特征进行优化。将特征选择问题转化为全连接的无向图,引入Fisher分数与最大信息系数来提高搜索效率、降低特征冗余度。从车辆状态参数中提取疲劳特征,利用IACO算法对疲劳特征进行优化,得到最优疲劳特征子集。实验结果表明,IACO算法的SVM分类准确率为85.6%、KNN分类准确率为83.2%,均高于其他常用特征优化算法的分类结果,说明IACO算法对疲劳特征的优化性能高于其他常用特征优化算法。

关 键 词：交通安全 疲劳驾驶 蚁群算法 特征选择  

分 类 号：U495[物流管理与工程类]