| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 引言 | 第9-20页 |
| ·研究背景及意义 | 第9-10页 |
| ·疲劳驾驶概念、成因及表现 | 第10-12页 |
| ·疲劳驾驶的定义 | 第10页 |
| ·疲劳驾驶的成因 | 第10-11页 |
| ·疲劳驾驶的表现 | 第11-12页 |
| ·疲劳驾驶检测技术的研究现状及存在的问题 | 第12-17页 |
| ·驾驶员疲劳状态的检测方法 | 第12-13页 |
| ·国外疲劳驾驶监测装置的应用现状 | 第13-15页 |
| ·国内疲劳驾驶监测装置的应用现状 | 第15-16页 |
| ·疲劳驾驶检测技术存在的问题及未来的发展趋势 | 第16-17页 |
| ·几种常见的多信息融合方法 | 第17-18页 |
| ·论文的主要研究内容和结构安排 | 第18-20页 |
| ·论文的主要研究内容 | 第18-19页 |
| ·论文的结构安排 | 第19-20页 |
| 2 贝叶斯网络基本理论 | 第20-28页 |
| ·概率论的基础知识 | 第20-21页 |
| ·图论的基础知识 | 第21-23页 |
| ·贝叶斯网络的定义 | 第23-25页 |
| ·贝叶斯网络的应用 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 3 驾驶员疲劳评估模型的建立 | 第28-42页 |
| ·确定网络的变量 | 第28-30页 |
| ·确定网络的结构 | 第30-35页 |
| ·手工构造贝叶斯网络的拓扑结构 | 第30-31页 |
| ·贝叶斯网络的结构学习 | 第31-34页 |
| ·基于因果关系的驾驶员疲劳评估模型的网络结构 | 第34-35页 |
| ·确定网络的参数 | 第35-40页 |
| ·贝叶斯网络的参数学习 | 第35-37页 |
| ·基于专家经验和最大似然估计确定驾驶员疲劳评估模型参数 | 第37-40页 |
| ·本章小结 | 第40-42页 |
| 4 驾驶员疲劳评估模型的推理 | 第42-52页 |
| ·贝叶斯网络推理的分类 | 第42-43页 |
| ·贝叶斯网络的推理方法 | 第43-47页 |
| ·推理算法中涉及的基本概念 | 第43-44页 |
| ·变量消元法 | 第44-45页 |
| ·联合树算法 | 第45-47页 |
| ·基于联合树算法的驾驶员疲劳评估模型的推理 | 第47-51页 |
| ·构建驾驶员疲劳评估模型的联合树 | 第48-49页 |
| ·初始化联合树 | 第49-50页 |
| ·加入证据后联合树的推理 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 5 基于驾驶员疲劳评估模型的实验与分析 | 第52-65页 |
| ·实验目的 | 第52页 |
| ·实验方案 | 第52-57页 |
| ·实验测评指标 | 第52页 |
| ·实验与分析系统构建 | 第52-54页 |
| ·实验环境 | 第54-55页 |
| ·实验内容 | 第55页 |
| ·实验流程 | 第55-57页 |
| ·实验数据处理及分析 | 第57-63页 |
| ·实验数据分析 | 第57-63页 |
| ·网络模型分析 | 第63页 |
| ·本章小结 | 第63-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 附录A 附录内容名称 | 第72-76页 |
| 攻读硕士学位期间发表学术论文情况 | 第76-77页 |
| 致谢 | 第77-78页 |