基于Stacking模型融合策略的脑力负荷等级评定方法

• 作者: 尹钟 张建华 曹子轩
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 脑力负荷等级 Stacking 脑电生理信号
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 计算机软件与理论
• 页码范围: 80-83
• 页数: 4页
• 分类号: TP301
• 字数: 4381字
• 语种: 中文
• DOI: 10.11907/rjdk.192365

摘要

脑力负荷是一种新兴的可以反应操作者认知状态的指标,其与事故风险及工作效率密切相关,所以实时且准确地评估操作者脑力负荷等级具有重要意义.Stacking模型融合策略可以较好地融合不同分类器与不同特征的学习能力.基于8名参与者的脑电生理信号以及Stacking模型融合策略,设计了3种新型模型进行脑力负荷等级判别.在对新模型进行训练与预测的同时,将其与其它主流分类器进行性能对比.实验结果显示,二维融合模型性能提升最为明显.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尹钟	上海理工大学光电信息与计算机工程学院	16	28	3.0	5.0
2	曹子轩	上海理工大学光电信息与计算机工程学院	1	0	0.0	0.0