基于多小波分析多層感知器駕駛行為識別技術(shù)論文(編輯修改稿)
2025-08-23 06:10 本頁面
【文章內(nèi)容簡介】 ，可以大大加快收斂速度。LM 算法的權(quán)值更新律如下其中l(wèi)是目前的訓(xùn)練時間，Wl是當(dāng)前的權(quán)重矩陣，Wl+1是下一個重量，Jl是電流的雅可比矩陣，El是最后的總誤差，I是單位矩陣，μ是組合系數(shù)。采用LM算法設(shè)計培訓(xùn)過程如下：1）用初始權(quán)值評價總誤差 ；2）根據(jù)公式16調(diào)整權(quán)重，進(jìn)行更新；3）用新的權(quán)重評估總誤差；4）如果當(dāng)前的總誤差是由于更新增加，從而提高組合系數(shù)μ的10倍。返回步驟2并嘗試再次更新；5）如果當(dāng)前的總誤差是由于更新下降，從而降低組合系數(shù)μ的10倍；6）轉(zhuǎn)到步驟2與新的權(quán)重，直到當(dāng)前的總誤差小于規(guī)定值。其他分類方法相比較SVMs是一種檢測識別模型與聯(lián)想學(xué)習(xí)算法，可以分析數(shù)據(jù)和識別模式，用于分類和回歸分析。kNN是一種基于空間中最近的訓(xùn)練對象進(jìn)行分類的方法。Parzen 分類器估計概率密度為每個類使用一種基于存儲的訓(xùn)練樣本的非參數(shù)方法。這三個分類器都是經(jīng)常被運用在模式分類中，并且我們采用它對駕駛姿勢進(jìn)行研究，將在本文中與我們設(shè)計的多層感知器的分類器進(jìn)行比較。實驗兩個標(biāo)準(zhǔn)的實驗程序，分別命名為層的方法和交叉驗證方法，通過與 IKSVMs、 kNN 分類器和 Parzen 分類器相比，來驗證的提取特征的方法和多層感知器的分類器。MLP分類器設(shè)計成三層結(jié)構(gòu),即一個輸入層、一個隱藏層和一個輸出層。輸入層神經(jīng)元的數(shù)目是2049,根據(jù)駕駛姿勢的GHM多小波變換提取特征向量的維數(shù)。根據(jù)駕駛姿勢的分類，隱藏層中有20個的神經(jīng)元，輸出層有4個神經(jīng)元。隱藏層的初始權(quán)值和輸出層是從零的均值和方差的各向同性高斯分布和歸一化繪制，使用Nguyen和Widrow的方法來實現(xiàn)標(biāo)準(zhǔn)化。LM算法訓(xùn)練MLP分類器，并使用“早?！睓C(jī)制用來克服過度擬合的問題。在訓(xùn)練過程中。在層的方法，從 SEU 駕駛姿勢數(shù)據(jù)集 （如圖 5 所示） 的圖像中提取一定數(shù)量的特征向量預(yù)留作測試，而其余的是供訓(xùn)練。在k折疊交叉驗證的方法中，把駕駛姿勢的數(shù)據(jù)劃分為k個子集。第k個數(shù)據(jù)集是保留測試和其余k1的子數(shù)據(jù)集都用于訓(xùn)練。圖五、駕駛姿勢數(shù)據(jù)庫、層實驗層實驗是基于特征向量的駕駛姿勢隨機(jī)分成訓(xùn)練數(shù)據(jù)集 （從 SEU 駕駛姿勢數(shù)據(jù)集的圖像中提取80 ％ 的駕駛姿勢特征向量） 和測試數(shù)據(jù)集 （從 SEU 駕駛姿勢數(shù)據(jù)集的圖像中提取20%的駕駛姿勢特征向量）。使用層的實驗方法，測試數(shù)據(jù)集被用于估計泛化誤差。我們通過SEU的數(shù)據(jù)集隨機(jī)重復(fù)100次層實驗，記錄分類的結(jié)果。在第一個層的實驗中，在輸出層訓(xùn)練和測試同樣適用于使用三種不同的激活函數(shù)的多層感知器（即，線性激活函數(shù)，Logistic激活函數(shù)和Softmax激活函數(shù)），雙曲正切激活函數(shù)適用于隱藏層中。同時比較分類性能，以及對駕駛姿勢的分類率，結(jié)果如圖6（a）和圖6（b）所示，這是SEU駕駛姿勢數(shù)據(jù)庫中隨機(jī)重復(fù)100次訓(xùn)練和測試數(shù)據(jù)的平均分類的結(jié)果 。多層感知分類器使用線性激活函數(shù)，Logistic激活函數(shù)和Softmax激活函數(shù)在輸出層中，平均分類精度分別 %、 %和 %。從圖 6，很明顯的多層感知分類器，在輸出層使用 Softmax激活函數(shù)和在隱藏層適用雙曲正切激活函數(shù)的，在第一個層實驗中提供了最佳的性能。在第二次的層實驗中，相同的訓(xùn)練和測試集被應(yīng)用于多層感知器和其他三種分類器，在輸出層使用 Softmax 激活函數(shù)和在隱藏層使用雙曲正切激活函數(shù)。在第二次的層實驗中，相同的訓(xùn)練集和測試被應(yīng)用于多層感知器，在輸出層使用 Softmax 激活函數(shù)和在隱藏層使用雙曲正切激活函數(shù)并且同
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號-1