论文部分内容阅读
针对驾驶行为分类中出现的精度不足和时间复杂度高的问题,提出一种基于一维卷积神经网络(1D-CNN)和降噪自编码机(DAE)的混合模型。使用移动终端在车辆行驶中采集加速度传感器数据、陀螺仪传感器数据以及磁场传感器数据,融合这三种传感器数据,经过预处理后输入到DAE中,提取DAE中隐藏层特征数据完成降维处理,将降维数据输入到三通道的1D-CNN中,通过Softmax分类器识别出九种驾驶行为。实验结果表明,该模型的整体识别率为93.7%,分类效果优于传统的机器学习算法。