基于机器学习算法的驾驶状态识别研究（随机森林；Bagging；UAH-DriveSet数据；PCA；t-SNE）下载

[weixin_39821260]

文章共5个章节，第一章为绪论，详述了研究背景及意义，总结分析关于驾驶状态识别的国内外研究现状，第二章紧接着对UAH-DriveSet数据集进行介绍，并对该数据集进行预处理，第三章，对该数据集进行可视化分析，得出道路类型和驾驶员个性都会对影响驾驶状态识别的结论，基于此利用贝叶斯优化后的随机森林算法建立三种驾驶状态识别模型，并对三种模型的性能指标进行比较分析，第四章则是使用Bagging算法建立三种模型，同样进行模型比较分析，第五章则是对两种算法建立的模型控制单一变量后进行比较分析，最终得知在该数据集下优化后的Bagging算法具有更佳表现。文章脉络清晰，前后文设置合理，论证严谨、思路清晰、逻辑性强、有较强说服力，引文准确 文章选用随机森林算法，并对其使用贝叶斯优化，Bagging算法，利用随机森林算法时，三种模型预测结果准确率均大于66.68%，最高可达80.49%，预测准确度较好不需要预先确定模型规范；利用Bagging算法对模型进行优化后，最终三种模型预测准确率的均大于81.73%，最高可达93.01%，具有良好预测效果。 , 相关下载链接：https://download.csdn.net/download/m0_69231060/88938364?utm_source=bbsseo