37、模糊间隙接受行为模型可转移性分析与QCA电路逻辑最小化

模糊间隙接受行为模型可转移性分析与QCA电路逻辑最小化

1. 模糊间隙接受行为模型可转移性分析

1.1 模型转移与数据集定义

将四个原始模型（OM - Ii）直接转移到其他应用场景。针对每个交叉路口，定义了四组数据集，将实际驾驶员的决策（接受或拒绝）R - Ii与相应的模型决策OM - Ii关联起来，具体情况如下表所示：
| 应用场景\原始场景 | I1 | I2 | I3 | I4 |
| — | — | — | — | — |
| I1 | OM - I1/R - I1 | OM - I1/R - I2 | OM - I1/R - I3 | OM - I1/R - I4 |
| I2 | OM - I2/R - I1 | OM - I2/R - I2 | OM - I2/R - I3 | OM - I2/R - I4 |
| I3 | OM - I3/R - I1 | OM - I3/R - I2 | OM - I3/R - I3 | OM - I3/R - I4 |
| I4 | OM - I4/R - I1 | OM - I4/R - I2 | OM - I4/R - I3 | OM - I4/R - I4 |

1.2 ROC曲线分析评估模型可转移性

采用ROC曲线分析来评估模型的可转移有效性，该方法常用于评估和比较具有二进制输出的模型的判别能力。其基本思想基于一个只有两种可能结果（1和0，分别表示正结果和负结果）的实验。假设使用一个基于分类阈值（cutoff）来预测实验结果的模型，相关定义如下：
- 真正例（TP） ：模型预测为1，实际