基于ACO-SVM的交通状态分类精度研究

随着道路里程不断增加,机动车辆成为了主要的交通方式。为了满足机动车更好的行驶和道路的最大化利用,首先运用现阶段的车联网大数据等高科技来获取交通流数据,对错误的数据进行删除、丢失少量数据忽略不计,得到有效的数据,并进行融合处理;其次,先用单一的支持向量机对道路交通状态进行分类识别,同时用蚁群算法对支持向量机中的各参数进行最终寻优,得到ACO-SVM状态分类识别融合模型;最后,先用单一的支持向量机对各级别的交通状态的分类精度进行仿真分析计算,结果为91.33%,然后用ACO-SVM融合模型进行分析计算得到在经过14次的迭代时可以找到最优解c=6.884,δ=0.731,将分类精度作为蚁群算法的适应度函数值,最终分类精度比单一SVM模型有所提升并达到94.6%。仿真分析结果证明了该融合模型的有效性。

基于CNN的驾驶员面部视频图像的疲劳检测应用研究

本文研究基于驾驶员脸部信息的疲劳检测,首先选择MTCCN检测驾驶员人脸,在此基础上使用基于AlexNet模型改进的双流网络实现驾驶疲劳检测,该网络利用同时提取当前RGB图像帧的驾驶员静态疲劳特征和经过稠密光流算法Farneback处理过的光流图片帧的驾驶员动态疲劳特征判断驾驶疲劳。驾驶疲劳检测实验结果表明,基于AlexNet改进的双流网络检测准确率为92.87%。

基于模板方法与抽象工厂的复合模式

面向对象的程序设计越来越追求程序的可复用性和灵活性,对于经验较少的程序设计者直接得到具有良好复用性和灵活性的程序是具有一定难度的,软件设计模式就是提取面向对象程序设计者的经验,并对其进行总结.模板方法模式中父类定义一个算法的框架,用模板方法规定算法的执行步骤,将可变的步骤延迟到子类实现,每一种不同的实现都需要定义一个新的子类,系统会越来越庞大,系统的可维护性以及可读性越来越差.因此将抽象工厂模式嵌入到模板方法模式形成一个复合模式,复合模式的设计核心是为每一个延迟到子类的可变的步骤提供一个创建对象的接口,该接口对一个完整的产品族进行了定义.复合模式既保证了算法结构的稳定性,又分离了具体的实现类,增强了程序的健壮性、可复用性以及灵活性.