| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第13-35页 |
| 1.1 课题研究背景意义 | 第13-17页 |
| 1.2 国内外研究现状 | 第17-31页 |
| 1.2.1 驾驶行为及驾驶风格识别的国内外研究现状 | 第17-23页 |
| 1.2.2 驾驶员分心监测的国内外研究现状 | 第23-24页 |
| 1.2.3 驾驶安全风险评估与预测的国内外研究现状 | 第24-29页 |
| 1.2.4 深度学习的国内外研究现状 | 第29-31页 |
| 1.3 本文主要研究内容和结构安排 | 第31-34页 |
| 1.3.1 本文主要研究内容 | 第31-33页 |
| 1.3.2 结构安排 | 第33-34页 |
| 1.4 本章小结 | 第34-35页 |
| 第2章 基于互协方差约束DAE的驾驶行为识别方法研究 | 第35-71页 |
| 2.1 现有驾驶行为识别方法所存在的问题 | 第35-36页 |
| 2.2 传统AE的研究现状及存在问题 | 第36-39页 |
| 2.3 自编码的代表性网络结构 | 第39-43页 |
| 2.3.1 传统的AE结构 | 第39-40页 |
| 2.3.2 稀疏自编码网络结构 | 第40-42页 |
| 2.3.3 非负约束稀疏自编码网络结构 | 第42-43页 |
| 2.4 构建基于互协方差约束的深度自编码网络 | 第43-52页 |
| 2.4.1 互协方差约束机制 | 第43-45页 |
| 2.4.2 构建基于互协方差约束的自编码网络的目标函数 | 第45-46页 |
| 2.4.3 基于互协方差约束的自编码网络的梯度更新 | 第46-49页 |
| 2.4.4 构建基于互协方差约束的深度自编码网络 | 第49-52页 |
| 2.5 基于XCov-NCAE的驾驶行为识别方法 | 第52-57页 |
| 2.5.1 基于自编码网络的自适应搜索滑动时间窗口尺寸 | 第53-55页 |
| 2.5.2 基于深度XCov-NCAE的驾驶行为特征提取 | 第55-56页 |
| 2.5.3 基于深度XCov-NCAE的驾驶行为识别 | 第56-57页 |
| 2.6 实验及结果分析 | 第57-70页 |
| 2.6.1 实验数据集 | 第57-58页 |
| 2.6.2 消除传统自编码的特征冗余 | 第58-64页 |
| 2.6.3 基于XCov-NCAE的驾驶行为识别的性能 | 第64-70页 |
| 2.7 本章小结 | 第70-71页 |
| 第3章 基于深度相关特征表示结构的驾驶员分心监测方法研究 | 第71-89页 |
| 3.1 现有驾驶员分心监测方法存在的问题 | 第71-72页 |
| 3.2 深度网络正则化方法概述及存在的问题 | 第72-73页 |
| 3.3 构建基于DropMI的深度相关特征表示结构 | 第73-79页 |
| 3.3.1 构建DropMI策略 | 第74-77页 |
| 3.3.2 构建基于DropMI的深度相关特征表示结构 | 第77-78页 |
| 3.3.3 学习基于DropMI的深度相关特征表示结构 | 第78-79页 |
| 3.4 基于深度相关特征表示结构的驾驶员分心监测方法 | 第79-81页 |
| 3.4.1 滑动时间窗口尺寸的自适应搜索 | 第79-80页 |
| 3.4.2 基于深度相关特征表示结构的分心监测方法 | 第80-81页 |
| 3.5 实验及结果分析 | 第81-88页 |
| 3.5.1 实验数据集 | 第81-82页 |
| 3.5.2 确定滑动时间窗口最优尺寸 | 第82-83页 |
| 3.5.3 验证DropMI正则化策略的影响 | 第83-86页 |
| 3.5.4 基于深度相关特征表示结构的驾驶员分心监测性能 | 第86-88页 |
| 3.6 本章小结 | 第88-89页 |
| 第4章 基于非负约束代价敏感DAE的驾驶安全风险预测方法研究 | 第89-117页 |
| 4.1 现有驾驶安全风险预测方法所存在的问题 | 第90-91页 |
| 4.2 基于非负约束的代价敏感深度自编码网络 | 第91-97页 |
| 4.2.1 构建L1/L2-NCAE的目标函数及梯度更新 | 第91-94页 |
| 4.2.2 构建L1/L2-NCFL的目标函数及梯度更新 | 第94-97页 |
| 4.3 基于非负约束代价敏感DAE的驾驶安全风险预测 | 第97-103页 |
| 4.3.1 定义驾驶安全风险谱 | 第98-100页 |
| 4.3.2 基于L1/L2-NCAE自适应搜索滑动时间窗口最优尺寸 | 第100-101页 |
| 4.3.3 基于深度L1/L2-NCAE的无监督特征提取 | 第101-102页 |
| 4.3.4 基于L1/L2-NCFL的驾驶安全风险预测 | 第102-103页 |
| 4.4 实验及结果分析 | 第103-116页 |
| 4.4.1 实验数据集 | 第103-104页 |
| 4.4.2 确定滑动时间窗口最优尺寸 | 第104-105页 |
| 4.4.3 基于深度L1/L2-NCAE的无监督特征提取性能 | 第105-107页 |
| 4.4.4 基于深度L1/L2-NCFL的驾驶安全风险预测性能 | 第107-116页 |
| 4.5 本章小结 | 第116-117页 |
| 第5章 总结与展望 | 第117-120页 |
| 5.1 全文总结 | 第117-118页 |
| 5.2 研究展望 | 第118-120页 |
| 参考文献 | 第120-138页 |
| 致谢 | 第138-139页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第139页 |
