已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

An Ensemble Learning–Online Semi-Supervised Approach for Vehicle Behavior Recognition

计算机科学 水准点(测量) 聚类分析 人工智能 过程(计算) 样品(材料) 机器学习 监督学习 集合(抽象数据类型) 智能交通系统 集成学习 数据挖掘 模式识别(心理学) 人工神经网络 工程类 土木工程 大地测量学 化学 操作系统 色谱法 程序设计语言 地理
作者
Hailun Zhang,Rui Fu
出处
期刊:IEEE Transactions on Intelligent Transportation Systems [Institute of Electrical and Electronics Engineers]
卷期号:23 (8): 10610-10626 被引量:18
标识
DOI:10.1109/tits.2021.3095053
摘要

In autonomous vehicles, recognizing different maneuvering behaviors of surrounding vehicles is crucial to reduce traffic risks and achieve safe path planning. Conventional vehicle behavior recognition methods adopt mainly supervised learning methods and assume that many sample labels are available. However, manual sample labeling is often time-consuming and laborious. Also, onboard sensors collecting surrounding vehicle movement information in data streams often cannot process information in real-time. To tackle these problems, we propose a semi-supervised approach using K-nearest neighbor- ( K-NN )-based ensemble learning to classify the maneuvering behaviors of surrounding vehicles. The framework is divided into three parts: initial model training, online classification, and online model updating. First, k-means clustering of the maneuvering behavior is performed, cluster features are calculated, and a set of micro-clusters is obtained to establish the initial model. Second, the ensemble K-NN -based learning method is used to classify the incoming instances. Finally, the model is updated online using error-driven representative learning and an exponential decay function. Typical lane-changing and turning maneuvers are used as representatives to verify the performance of the proposed method. The data are provided by a next-generation simulation project. The results show that the proposed model achieves highest average recognition accuracy compared with other benchmark methods for the lane-changing and turning maneuvers shortly after the maneuver begins, even for a small sample size.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
tszjw168完成签到 ,获得积分10
3秒前
易玉燕发布了新的文献求助10
9秒前
花花521完成签到,获得积分10
9秒前
洪亮完成签到,获得积分10
13秒前
Limerencia完成签到,获得积分10
14秒前
情怀应助易玉燕采纳,获得10
21秒前
mixcom完成签到,获得积分10
23秒前
陈展峰发布了新的文献求助80
24秒前
郎治宇完成签到,获得积分10
25秒前
光亮如彤完成签到,获得积分10
26秒前
乌龙掌柜完成签到 ,获得积分10
27秒前
mmyhn完成签到,获得积分10
28秒前
whykm91完成签到 ,获得积分10
30秒前
liuliu发布了新的文献求助10
33秒前
1111完成签到 ,获得积分10
37秒前
liuliu完成签到,获得积分20
40秒前
领导范儿应助橘叶舟采纳,获得10
40秒前
41秒前
43秒前
香蕉觅云应助科研通管家采纳,获得10
44秒前
情怀应助科研通管家采纳,获得10
44秒前
田様应助科研通管家采纳,获得10
44秒前
Priscilla应助科研通管家采纳,获得10
44秒前
大个应助科研通管家采纳,获得10
44秒前
CipherSage应助科研通管家采纳,获得10
44秒前
DDS发布了新的文献求助10
45秒前
paper完成签到 ,获得积分10
47秒前
SI完成签到 ,获得积分10
48秒前
re发布了新的文献求助10
48秒前
乐乐应助SI采纳,获得10
57秒前
峰feng完成签到 ,获得积分10
58秒前
SciGPT应助练习者采纳,获得10
58秒前
123完成签到 ,获得积分10
1分钟前
科目三应助re采纳,获得10
1分钟前
mmmm应助SI采纳,获得10
1分钟前
Yiers完成签到,获得积分10
1分钟前
无花果应助SI采纳,获得10
1分钟前
暴躁的幼荷完成签到 ,获得积分10
1分钟前
1分钟前
sniper111发布了新的文献求助10
1分钟前
高分求助中
Evolution 10000
ISSN 2159-8274 EISSN 2159-8290 1000
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3162208
求助须知:如何正确求助?哪些是违规求助? 2813263
关于积分的说明 7899460
捐赠科研通 2472489
什么是DOI,文献DOI怎么找? 1316444
科研通“疑难数据库(出版商)”最低求助积分说明 631317
版权声明 602142