Fundraising September 15, 2024 – October 1, 2024 About fundraising

模式识别应用 驾驶者异常状态识别

  • Main
  • 模式识别应用 驾驶者异常状态识别

模式识别应用 驾驶者异常状态识别

杜勇著
How much do you like this book?
What’s the quality of the file?
Download the book for quality assessment
What’s the quality of the downloaded files?
3 (p1): 第1篇 模式识别框架基础
3 (p1-1): 绪论
10 (p1-2): 第1章 道路交通安全与疲劳驾驶识别方法概述
10 (p1-2-1): 1.1应用背景及研究意义
13 (p1-2-2): 1.2疲劳驾驶识别方法概述
15 (p1-2-2-1): 1.2.1主观评价方式
15 (p1-2-2-2): 1.2.2客观度量方式
22 (p1-2-3): 1.3疲劳驾驶识别研究发展趋向
23 (p1-2-4): 1.4本章小结
24 (p1-3): 第2章 人脸及其局部单元的检测方法
24 (p1-3-1): 2.1引言
27 (p1-3-2): 2.2基于肤色建模的人脸及其局部单元检测
27 (p1-3-2-1): 2.2.1色彩空间的选择与预处理
31 (p1-3-2-2): 2.2.2基于肤色信息的人脸定位及区域优化
37 (p1-3-2-3): 2.2.3基于局部模板匹配的人脸区域再定位
37 (p1-3-3): 2.3基于Haar-like特征与信息强化图的人脸及其局部单元检测
37 (p1-3-3-1): 2.3.1 AdaBoost学习框架下基于Haar-like特征的快速人脸检测
44 (p1-3-3-2): 2.3.2基于强化图像的局部单元定位
45 (p1-3-4): 2.4环境因素对人脸定位的影响及其消除
49 (p1-3-5): 2.5本章小结
53 (p2): 第2篇 基于显著面部表现的驾驶者异常状态识别
53 (p2-1): 第3章 驾驶者眨眼异常状态识别
53 (p2-1-1): 3.1引言
53 (p2-1-2): 3.2问题的提出
54 (p2-1-3): 3.3典型眨眼过程提取
55 (p2-1-4): 3.4基于S变换的疲劳能量指数计算
57 (p2-1-5): 3.5实验与分析
59 (p2-1-6): 3.6本章小结
60 (p2-2): 第4章 驾驶者打哈欠过程识别
60 (p2-2-1): 4.1引言
60 (p2-2-2): 4.2问题的提出
61 (p2-2-3): 4.3特征提取与选择
65 (p2-2-4): 4.4统计学习理论与支持向量机
65 (p2-2-4-1): 4.4.1结构风险控制
68 (p2-2-4-2): 4.4.2支持向量机分类模型
71 (p2-2-5): 4.5实验与分析
73 (p2-2-6): 4.6本章小结
77 (p3): 第3篇 基于非显著面部表现的驾驶者异常状态识别及研究扩展
77 (p3-1): 第5章 基于多区域证据支持的驾驶者疲劳状态识别
77 (p3-1-1): 5.1引言
77 (p3-1-2): 5.2问题的提出
78 (p3-1-3): 5.3多层面信息获取
80 (p3-1-3-1): 5.3.1局部线性嵌入
82 (p3-1-3-2): 5.3.2多区域证据
83 (p3-1-4): 5.4基于粗糙集的特征评价
83 (p3-1-4-1): 5.4.1模糊粗糙集
85 (p3-1-4-2): 5.4.2特征选择算法
86 (p3-1-5): 5.5模式分类器集成
86 (p3-1-5-1): 5.5.1基分类器(C4.5决策树)
88 (p3-1-5-2): 5.5.2基分类器集成学习
90 (p3-1-5-3): 5.5.3分类性能评价指标
90 (p3-1-6): 5.6实验与分析
99 (p3-1-7): 5.7本章小结
101 (p3-2): 第6章 基于覆盖规则集的驾驶者疲劳状态分类器设计
101 (p3-2-1): 6.1引言
102 (p3-2-2): 6.2问题的提出
103 (p3-2-3): 6.3覆盖近似空间与覆盖约简
105 (p3-2-4): 6.4邻域覆盖约简规则学习
105 (p3-2-4-1): 6.4.1相对覆盖约简理论框架
110 (p3-2-4-2): 6.4.2基于覆盖约简的规则学习算法
112 (p3-2-4-3): 6.4.3分类性能评价及应用
119 (p3-2-5): 6.5本章小结
121 (p3-3): 第7章 基于稀疏表示的驾驶者异常状态识别
121 (p3-3-1): 7.1引言
122 (p3-3-2): 7.2稀疏表示的基本思想
124 (p3-3-3): 7.3产生虚拟样本并结合K近邻算法的快速稀疏表示方法框架
124 (p3-3-3-1): 7.3.1模型概述
125 (p3-3-3-2): 7.3.2 msSR分类模型的具体原理
133 (p3-3-4): 7.4引入线性空间变换的稀疏表示与分类
133 (p3-3-4-1): 7.4.1模型概述
134 (p3-3-4-2): 7.4.2 IstSR模型的原理及实验验证
135…
Year:
2018
Edition:
2018
Publisher:
北京:科学出版社
Language:
Chinese
ISBN 10:
7030547438
ISBN 13:
9787030547439
File:
PDF, 41.58 MB
IPFS:
CID , CID Blake2b
Chinese, 2018
Read Online
Conversion to is in progress
Conversion to is failed

Most frequently terms