幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

模式識別應用--駕駛者異常狀態識別

  • 作者：杜勇
  • 出版社：科學
  • ISBN：9787030547439
  • 出版日期：2018/03/01
  • 裝幀：平裝
  • 頁數：177
人民幣：RMB 78 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    杜勇著的《模式識別應用--駕駛者異常狀態識別》遵循模式識別的經典過程，以駕駛者各種異常狀態的識別為背景，重點針對駕駛疲勞及由藥物、醉酒等造成的嗜睡狀態等進行識別。雖然產生這些異常狀態的原因不同，但其有著較為相似的面部行為，如為眨眼變慢、打哈欠等類似困倦的表現，然而也有很多疲勞的神情比較細微，難以提取顯著的特徵來對其進行描述和分類，這些都是本書將要探討的內容。
    本書可作為高等院校智能交通工程、電腦、電子信息等專業研究生和高年級本科生的相關課程教材或參考書，也可供從事模式識別研究與應用的科技人員和管理人員參考。
作者介紹
杜勇
    杜勇  博士，畢業於哈爾濱工業大學電腦科學與技術學院，現為東北農業大學教師。IEEE Transactions On Fuzzy，Systems、Tourism Managentent、《自動化學報》審稿人，黑龍江省電腦學會智能人機交互專業委員會委員。主要研究方向為模式識別、粗糙集、生物計算及旅遊管理等。主持國家自然科學基金項目「集成多模態信息的駕駛者異常狀態識別模型研究(51 308096)」，主持省市項目、參與國家級項目多項。近年來，在國際期刊Information Sciences、Neural ProcessingLetters及國際會議上發表論文10余篇，其中被SCI檢索6篇。
目錄
  第1篇  模式識別框架基礎
緒論
第1章  道路交通安全與疲勞駕駛識別方法概述
  1.1  應用背景及研究意義
  1.2  疲勞駕駛識別方法概述
    1.2.1  主觀評價方式
    1.2.2  客觀度量方式
  1.3  疲勞駕駛識別研究發展趨向
  1.4  本章小結
第2章  人臉及其局部單元的檢測方法
  2.1  引言
  2.2  基於膚色建模的人臉及其局部單元檢測
    2.2.1  色彩空間的選擇與預處理
    2.2.2  基於膚色信息的人臉定位及區域優化
    2.2.3  基於局部模板匹配的人臉區域再定位
  2.3  基於Haar-like特徵與信息強化圖的人臉及其局部單元檢測
    2.3.1   AdaBoost學習框架下基於Haar。like特徵的快速人臉檢測
    2.3.2  基於強化圖像的局部單元定位
  2.4  環境因素對人臉定位的影響及其消除
  2.5  本章小結

  第2篇  基於顯著面部表現的駕駛者異常狀態識別
第3章  駕駛者眨眼異常狀態識別
  3.1  引言
  3.2  問題的提出
  3.3  典型眨眼過程提取
  3.4  基於S變換的疲勞能量指數計算
  3.5  實驗與分析
  3.6  本章小結
第4章  駕駛者打哈欠過程識別
  4.1  引言
  4.2  問題的提出
  4.3  特徵提取與選擇
  4.4  統計學習理論與支持向量機
    4.4.1  結構風險控制
    4.4.2  支持向量機分類模型
  4.5  實驗與分析
  4.6  本章小結

  第3篇  基於非顯著面部表現的駕駛者異常
  狀態識別及研究擴展
第5章  基於多區域證據支持的駕駛者疲勞狀態識別
  5.1  引言
  5.2  問題的提出
  5.3  多層面信息獲取
    5.3.1  局部線性嵌入
    5.3.2  多區域證據
  5.4  基於粗糙集的特徵評價
    5.4.1  模糊粗糙集
    5.4.2  特徵選擇演算法

  5.5  模式分類器集成
    5.5.1  基分類器(C4.5  決策樹)
    5.5.2  基分類器集成學習
    5.5.3  分類性能評價指標
  5.6  實驗與分析
  5.7  本章小結
第6章  基於覆蓋規則集的駕駛者疲勞狀態分類器設計
  6.1  引言
  6.2  問題的提出
  6.3  覆蓋近似空間與覆蓋約簡
  6.4  鄰域覆蓋約簡規則學習
    6.4.1  相對覆蓋約簡理論框架
    6.4.2  基於覆蓋約簡的規則學習演算法
    6.4.3  分類性能評價及應用
  6.5  本章小結
第7章  基於稀疏表示的駕駛者異常狀態識別
  7.1  引言
  7.2  稀疏表示的基本思想
  7.3  產生虛擬樣本並結合K近鄰演算法的快速稀疏表示方法框架
    7.3.1  模型概述
    7.3.2   msSR分類模型的具體原理
  7.4  引入線性空間變換的稀疏表示與分類
    7.4.1  模型概述-
    7.4.2   lstSR模型的原理及實驗驗證
    7.4.3   lstSR模型迭代過程收斂條件及證明
  7.5  本章小結
第8章  基於深度學習的駕駛者疲勞狀態識別
  8.1  從AlphaGo說起
  8.2  深度學習與認知
    8.2.1  淺層模型與深層模型
    8.2.2  關於深層模型的訓練問題
    8.2.3  深度學習的認知意義
    8.2.4  關於認知的探討
  8.3  深度學習的硬體特點與主要開源工具
    8.3.1  深度學習的硬體特點
    8.3.2  深度學習的主要開源工具
  8.4  卷積神經網路
    8.4.1  圖像識別的挑戰
    8.4.2  卷積神經網路的基本原理
  8.5  經典的卷積神經網路模型
    8.5.1  LeNet-5模型
    8.5.2  AlexNet模型
    8.5.3  VGGNets模型
  8.6  基於vGGNets的遷移學習與實驗結果
  8.7  本章小結
參考文獻
後記

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032