基于人体生理信号的疲劳驾驶检测方法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 本文研究内容 | 第16-17页 |
| 1.4 论文构成 | 第17-18页 |
| 第2章 疲劳驾驶检测的相关技术基础 | 第18-27页 |
| 2.1 主要疲劳驾驶检测方法 | 第18-21页 |
| 2.1.1 基于主观评定的检测方法 | 第18页 |
| 2.1.2 基于生理参数的检测方法 | 第18-19页 |
| 2.1.3 基于驾驶行为参数的检测方法 | 第19-20页 |
| 2.1.4 基于车辆状态特征的检测方法 | 第20-21页 |
| 2.1.5 基于信息融合的检测方法 | 第21页 |
| 2.2 常见疲劳驾驶检测模型概述 | 第21-26页 |
| 2.2.1 线性分类模型 | 第21-23页 |
| 2.2.2 神经网络模型 | 第23-24页 |
| 2.2.3 支持向量机模型 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 基于随机森林算法的疲劳驾驶检测 | 第27-37页 |
| 3.1 引言 | 第27页 |
| 3.2 数据处理和特征提取 | 第27-31页 |
| 3.2.1 数据采集 | 第27-28页 |
| 3.2.2 数据处理 | 第28-30页 |
| 3.2.3 特征提取 | 第30-31页 |
| 3.3 优化后的随机森林分类算法 | 第31-36页 |
| 3.3.1 随机森林算法的主要思想 | 第31-32页 |
| 3.3.2 随机森林算法的理论基础 | 第32-34页 |
| 3.3.3 随机森林特征选择优化算法设计 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于拟自适应随机森林算法的疲劳驾驶检测 | 第37-46页 |
| 4.1 引言 | 第37页 |
| 4.2 拟自适应随机森林算法的主要思想 | 第37-38页 |
| 4.3 拟自适应随机森林算法的理论基础 | 第38-41页 |
| 4.3.1 Bagging算法的基本原理 | 第38-39页 |
| 4.3.2 Adaboost算法的基本原理 | 第39-41页 |
| 4.4 拟自适应随机森林算法的详细设计 | 第41-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 疲劳驾驶检测实验仿真与分析 | 第46-53页 |
| 5.1 疲劳驾驶检测系统 | 第46-47页 |
| 5.2 疲劳驾驶检测实验评价指标 | 第47-48页 |
| 5.3 实验结果对比和分析 | 第48-52页 |
| 5.4 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第60-61页 |
| 附录B 攻读硕士学位期间所参与的科研活动 | 第61-62页 |
| 致谢 | 第62页 |
