在驾驶行为分类中，一种基于规则的机器学习技术使用了顺序覆盖算法来从时间序列数据中分类驾驶动作。在顺序覆盖算法中，每条规则的影响力以覆盖率和准确率的度量来衡量，其中覆盖率和准确率分别表示在一个动作类别中被覆盖和正确识别的实例的数量。最终，每个动作类别的规则集只包含重要的规则。这样，规则是以无监督的方式学习的，只有最佳性能的规则被包含在规则集中。规则集也通过基于测试数据的性能进行修剪进行优化。与通常需要更大数据集和更高计算时间和复杂性的传统机器学习和深度学习方法相比，该系统的应用具有优势 。
在驾驶行为分类中，一种基于规则的机器学习技术使用了顺序覆盖算法来从时间序列数据中分类驾驶动作。在顺序覆盖算法中，每条规则的影响力以覆盖率和准确率的度量来衡量，其中覆盖率和准确率分别表示在一个动作类别中被覆盖和正确识别的实例的数量。最终，每个动作类别的规则集只包含重要的规则。这样，规则是以无监督的方式学习的，只有最佳性能的规则被包含在规则集中。规则集也通过基于测试数据的性能进行修剪进行优化。与通常需要更大数据集和更高计算时间和复杂性的传统机器学习和深度学习方法相比，该系统的应用具有优势 。