标题：引入动态聚焦损失的车辆载重状态CNN-LSTM识别模型
作者：徐慧琳；孙子文
作者单位：江南大学物联网工程学院，江苏 无锡 214122；物联网技术应用教育部工程研究中心，江苏 无锡 214122
关键字：车辆载重；卷积神经网络；长短期记忆网络；时间序列分析；动态聚焦损失函数
摘要：为实时监测车辆的运行情况，研究引入动态聚焦损失的车辆载重状态CNN-LSTM识别模型。将选取的原始车辆特征数据及k步差分特征构成初步特征向量矩阵，利用卷积神经网络（CNN）和长短期记忆神经网络（LSTM）分别提取初步特征向量矩阵的局部特征和全局特征形成最终特征向量，进一步采用全连接网络将最终特征向量识别为装载、卸载、运行三种载重状态。模型训练中引入动态聚焦损失函数以平衡样本损失权重并加大决策边界的损失权重。实验结果表明：相较于支持向量机（SVM）、卷积神经网络和长短期记忆神经网络识别模型，CNN-LSTM识别模型的准确率分别提升了17.74%、3.97%和2.81%。