基于D-S理论和模糊神经网络的疲劳驾驶监测
该文利用D-S理论与模糊神经网络相融合,解决疲劳决策中不确定性信息难以融合问题.首先,将监测到的驾驶员驾驶过程中的生理特征参数作为模糊神经网络的输入,建立了基本概率分配函数,构建了多个生理特征对疲劳决策的识别框架.然后,利用模糊神经网络初步识别驾驶员状态,并与BP网络的识别结果对比,验证了模糊神经网络方法具有学习速度快、识别精度高等优点.最后,利用D-S理论对输入信息进行决策层级的融合,用于判定驾驶员所处的驾驶状态,为疲劳驾驶预警提供了决策依据,为降低因疲劳驾驶引发的事故提供参考依据.
疲劳驾驶、D-S证据理论、模糊神经网络
31
TP183(自动化基础理论)
国家自然科学青年基金项目61301040
2016-09-18(万方平台首次上网日期,不代表论文的发表时间)
共4页
73-76