基于核学习算法的驾驶精神疲劳分级研究

• 作者: 赵敏 赵春临 郑崇勋
• 来源期刊: 数据采集与处理
• 学科: 医学
• 关键词: 核主分量分析 支持向量机 多变量自回归模型 驾驶精神疲劳 脑电
• 年，卷（期）: 2009,（3）
• 所属期刊栏目: 理论与试验研究
• 页码范围: 335-339
• 页数: 5页
• 分类号: R318.04
• 字数: 4416字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-9037.2009.03.016

摘要

为了有效地评测人的驾驶精神疲劳状态,本文提出了一种基于核学习算法的精神疲劳分级方法.该方法首先用多变量自回归模型(MVAR)提取位于前额、顶叶、枕叶共6个通道的多维脑电信号特征组成特征向量.然后用核主分量分析(KPCA)和优化支持向量机(SVM)对基于脑电信号(EEG)的驾驶精神疲劳进行分级.经过对3住受试者在3个状态下的驾驶精神疲劳进行分类,平均分类精度达到89.47%.分析显示,应用KPCA并结合优化SVM方法有效地降低了特征空间的维数,可实现较高精度的驾驶精神疲劳分级.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑崇勋	西安交通大学教育部生物医学信息工程重点实验室	122	1268	20.0	26.0
2	赵敏	西安交通大学教育部生物医学信息工程重点实验室	15	93	7.0	9.0
3	赵春临	西安交通大学教育部生物医学信息工程重点实验室	4	28	4.0	4.0