| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 引言 | 第7-18页 |
| 1.1 课题研究背景和意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-16页 |
| 1.2.1 主观指标检测 | 第10页 |
| 1.2.2 客观检测方法 | 第10-15页 |
| 1.2.3 疲劳评估选用模型的研究 | 第15-16页 |
| 1.3 课题来源、主要研究内容及论文结构安排 | 第16-18页 |
| 1.3.1 课题来源和主要研究内容 | 第16-17页 |
| 1.3.2 论文的结构安排 | 第17-18页 |
| 2 理论基础 | 第18-31页 |
| 2.1 HMM理论 | 第18-23页 |
| 2.1.1 马尔科夫链 | 第19-20页 |
| 2.1.2 HMM类型 | 第20-22页 |
| 2.1.3 HMM参数 | 第22-23页 |
| 2.2 BW算法 | 第23-25页 |
| 2.3 PSO算法 | 第25-26页 |
| 2.4 改进的BW-PSO算法 | 第26-27页 |
| 2.5 Viterbi算法 | 第27-28页 |
| 2.6 模糊C均值聚类 | 第28-29页 |
| 2.7 吻合度分析 | 第29-30页 |
| 2.8 本章小结 | 第30-31页 |
| 3 基于两状态的HMM建模及模型优化 | 第31-37页 |
| 3.1 表征指标分析 | 第31-32页 |
| 3.2 特征参数预处理及HMM转移模型确定 | 第32-33页 |
| 3.3 HMM初始模型构建 | 第33页 |
| 3.4 参数优化 | 第33-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 基于三状态的HMM建模以及模型优化 | 第37-48页 |
| 4.1 表征指标分析 | 第37页 |
| 4.2 特征参数预处理及HMM转移模型确定 | 第37-39页 |
| 4.3 观测值状态序列获取 | 第39-43页 |
| 4.3.1 PERCLOS数据聚类及隶属度分析 | 第40-41页 |
| 4.3.2 PERLVO数据聚类及隶属度分析 | 第41-42页 |
| 4.3.3 PERCLOS和PERLVO综合状态分析 | 第42-43页 |
| 4.4 HMM初始模型构建 | 第43-45页 |
| 4.5 HMM模型参数优化 | 第45-47页 |
| 4.6 本章小结 | 第47-48页 |
| 5 基于驾驶人疲劳状态辨识模型的实验与分析 | 第48-59页 |
| 5.1 实验目的 | 第48页 |
| 5.2 实验方案 | 第48-51页 |
| 5.2.1 实验测评指标 | 第48-49页 |
| 5.2.2 实验硬件设备 | 第49-50页 |
| 5.2.3 实验环境 | 第50页 |
| 5.2.4 实验内容 | 第50-51页 |
| 5.2.5 实验流程 | 第51页 |
| 5.3 实验数据分析 | 第51-54页 |
| 5.4 模型准确性和稳定性分析 | 第54-58页 |
| 5.4.1 两状态单参数HMM模型 | 第54-56页 |
| 5.4.2 三状态两参数HMM模型 | 第56-58页 |
| 5.5 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间发表学术论文情况 | 第64-65页 |
| 致谢 | 第65-67页 |