典型文献
基于SSI-PSO的汽车碰撞试验时序数据处理与分类方法
文献摘要：
为实现汽车碰撞试验假人响应曲线数据集的类别辨识,研究了面向智能优化算法的问题转换与构造方法.针对假人曲线数据的特征处理与分类过程,提出了一种基于社会蜘蛛粒子群优化算法(SSI-PSO)的碰撞试验多变量时序数据特征选择与分类方法;利用汽车碰撞试验采集的假人曲线数据,测试和验证了该方法.结果表明:本文方法可获得面向假人曲线数据分类的最佳特征组合方式与较小规模的神经网络结构;该方法的假人曲线分类模型性能提升17.5％、分类精度达到96.5％.因而,实现了对碰撞试验假人响应曲线标注信息的有效分类.
文献关键词：
汽车碰撞;安全数据集;多变量时序数据;社会蜘蛛粒子群优化(SSI-PSO)算法;特征工程;监督学习;启发式优化算法
中图分类号：
作者姓名：
李晗;刘钊;朱平
作者机构：
上海交通大学 机械与动力工程学院,上海 200240,中国;上海交通大学 设计学院,上海 200240,中国
文献出处：
引用格式：
[1]李晗;刘钊;朱平-.基于SSI-PSO的汽车碰撞试验时序数据处理与分类方法)[J].汽车安全与节能学报,2022(02):259-268
A类：
B类：
SSI,PSO,汽车碰撞试验,分类方法,假人,响应曲线,智能优化算法,问题转换,构造方法,特征处理,分类过程,蜘蛛,粒子群优化算法,多变量时序数据,数据特征,特征选择,数据分类,特征组合,组合方式,小规模,神经网络结构,分类模型,模型性能,性能提升,分类精度,标注信息,安全数据集,特征工程,监督学习,启发式优化算法
AB值：
0.325913
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
