[發(fā)明專利]一種自適應(yīng)雙粒子群優(yōu)化支持向量機(jī)的駕駛意圖識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010095913.1
• 申請(qǐng)日: 2020-02-17
• 公開(kāi)（公告）號(hào): CN111396547A
• 公開(kāi)（公告）日: 2020-07-10
• 發(fā)明（設(shè)計(jì)）人: 商高高;朱鵬;劉剛
• 申請(qǐng)（專利權(quán)）人: 江蘇大學(xué)
• 主分類號(hào): F16H61/00
• 分類號(hào): F16H61/00;F16H59/00;F16H59/02;G06N3/00;G06N20/10
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種自適應(yīng)雙粒子群優(yōu)化支持向量機(jī)的駕駛意圖識(shí)別方法，其特征在于，利用自適應(yīng)雙粒子群優(yōu)化算法對(duì)支持向量機(jī)模型參數(shù)尋優(yōu)，對(duì)優(yōu)化后的支持向量機(jī)進(jìn)行訓(xùn)練和驗(yàn)證，實(shí)時(shí)采集數(shù)據(jù)通過(guò)驗(yàn)證后的優(yōu)化支持向量機(jī)模型對(duì)駕駛意圖進(jìn)行識(shí)別。

2.根據(jù)權(quán)利要求1所述的自適應(yīng)雙粒子群優(yōu)化支持向量機(jī)的駕駛意圖識(shí)別方法，其特征在于，所述自適應(yīng)雙粒子群優(yōu)化算法的適應(yīng)度函數(shù)取交叉驗(yàn)證下的最佳識(shí)別率。

3.根據(jù)權(quán)利要求1所述的自適應(yīng)雙粒子群優(yōu)化支持向量機(jī)的駕駛意圖識(shí)別方法，其特征在于，所述自適應(yīng)雙粒子群分為局部尋優(yōu)分群Q1和全局尋優(yōu)主群Q2。

4.根據(jù)權(quán)利要求3所述的自適應(yīng)雙粒子群優(yōu)化支持向量機(jī)的駕駛意圖識(shí)別方法，其特征在于，所述局部尋優(yōu)分群Q1和全局尋優(yōu)主群Q2尋找到全局最優(yōu)解后，若主群全局最優(yōu)解變化率是否高于設(shè)定值，將分群中個(gè)體極值較高的后R*s1個(gè)粒子取代主群中個(gè)體極值較低的前R*s2個(gè)粒子，其中R為[0，1]中的任意數(shù)，s1為局部尋優(yōu)分群Q1的粒子數(shù)，s2為全局尋優(yōu)主群Q2的粒子數(shù)。

5.根據(jù)權(quán)利要求4所述的自適應(yīng)雙粒子群優(yōu)化支持向量機(jī)的駕駛意圖識(shí)別方法，其特征在于，所述全局最優(yōu)解變化率其中為雙粒子群第T_n次迭代由更新方程獲取的全局最優(yōu)解。

6.根據(jù)權(quán)利要求3所述的自適應(yīng)雙粒子群優(yōu)化支持向量機(jī)的駕駛意圖識(shí)別方法，其特征在于，所述局部尋優(yōu)分群Q1與全局尋優(yōu)主群Q2的速度和位置更新方程如下：

Q₁：v_ij(t+1)＝w×v_ij(t)+c₁×rand()_1j×(p_ij(t)-x_ij(t))+c₂×rand()_2j×(p_gj(t)-x_ij(t))

Q₂：v_ij(t+1)＝w(t)×v_ij(t)+c₁×r_1j(t)×(p_ij(t)-x_ij(t))+c₂×r_2j(t)×(p_gj(t)-x_ij(t))

其中，v_ij(t)為粒子在t時(shí)刻搜索空間中的速度，w為慣性權(quán)重因子，rand()為在[0，1]中均勻分布的任意數(shù)，p_ij(t)為粒子在t時(shí)刻飛行過(guò)的最好位置，p_gj(t)為粒子在所對(duì)應(yīng)種群的最好位置，x_ij(t)為粒子在t時(shí)刻搜索空間中的位置，c₁和c₂為加速因子，系數(shù)r_1j、r_2j分別為(1-rand()_1j)和(1-rand()_2j)。

7.根據(jù)權(quán)利要求6所述的自適應(yīng)雙粒子群優(yōu)化支持向量機(jī)的駕駛意圖識(shí)別方法，其特征在于，所述慣性權(quán)重因子w采用自適應(yīng)函數(shù)動(dòng)態(tài)調(diào)整，所述自適應(yīng)函數(shù)為其中T_n為當(dāng)前迭代次數(shù)，T_max為最大迭代次數(shù)，n為自然數(shù)。