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
授权
摘要
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。
基本信息
专利标题 :
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
专利标题(英):
暂无
公开(公告)号 :
CN110751101A
申请号 :
CN201911005880.0
公开(公告)日 :
2020-02-04
申请日 :
2019-10-22
授权号 :
CN110751101B
授权日 :
2022-05-17
发明人 :
孙文财司仪豪李世武郭梦竹
申请人 :
吉林大学
申请人地址 :
吉林省长春市高新产业开发区前进大街2699号
代理机构 :
长春市吉利专利事务所
代理人 :
李晓莉
优先权 :
CN201911005880.0
主分类号 :
G06K9/00
IPC分类号 :
G06K9/00 G06K9/62
IPC结构图谱
G
G部——物理
G06
计算;推算或计数
G06K
数据识别;数据表示;记录载体;记录载体的处理
G06K9/00
用于阅读或识别印刷或书写字符或者用于识别图形,例如,指纹的方法或装置
法律状态
2022-05-17 :
授权
2020-02-28 :
实质审查的生效
IPC(主分类) : G06K 9/00
申请日 : 20191022
申请日 : 20191022
2020-02-04 :
公开
注:本法律状态信息仅供参考,即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
1、
CN110751101A.PDF
PDF下载