基于改进K-均值聚类算法的汽车用户行为分析方法研究 |
| |
引用本文: | 王健,毋丽丽,裴春琴,郝耀军,刘文远.基于改进K-均值聚类算法的汽车用户行为分析方法研究[J].燕山大学学报,2023(3):229-235+245. |
| |
作者姓名: | 王健 毋丽丽 裴春琴 郝耀军 刘文远 |
| |
作者单位: | 1. 忻州师范学院计算机系;2. 燕山大学信息科学与工程学院 |
| |
摘 要: | 汽车用户的驾驶行为和操作习惯等决定着驾驶是否存在风险,对于道路交通安全具有重要的意义,针对这种情况,提出一种用于预测汽车用户驾驶行为风险等级的模型。该模型为了提高模型的分类效率,在自组织映射神经网络算法中采用遗忘第二名的策略,然后结合自组织映射神经网络改进K-均值聚类分析方法,实现对于车辆驾驶人员的风险行为等级进行划分,通过聚类分析得到风险标签后,利用XGBoost算法实现对于用户风险行为的辨识。实验结果表明,改进算法的聚类精确度和运行效率都得到了提高,预测准确率为98%,召回率为98%,F1值98%,kappa系数高达0.97,远远超过其他集成辨识模型,表明本文模型在汽车用户行为的分辨准确率上得到有效提高。
|
关 键 词: | 汽车用户 驾驶行为 K-均值聚类算法 行为分析 |
|
|