疲劳驾驶识别中的脑电信号特征选择算法和支持向量机模型研究
摘要:
针对疲劳驾驶识别中脑电特征选择和分类模型,提出采用粗糙集理论的离散化算法对通道和脑电信号特征量进行选择,选用支持向量机作为疲劳驾驶识别模型,并将疲劳误判风险作为支持向量机模型参数进行模型优化.针对5名受试者的实验结果表明,与主分量方法相比,粗糙集离散化算法选取的特征量较少,以0.8为相容度阈值,在208个候选特征中选择的特征数为2~4个,不同被试者选取的特征不同且对建立支持向量机识别模型有影响;疲劳误判风险控制参数可以达到调节支持向量机识别模型误判风险.
-
doi:
-
关键词:
脑电信号
功率谱
疲劳
粗糙集
支持向量机(SVM)
-
Keyword:
EEG
power spectrum
fatigue
rough set
support vector machine (SVM)
-
作者:
谢宏
周笑丽
夏斌
杨文璐
姚楠
-
Author:
XIE Hong
ZHOU Xiao-Li
XIA Bin
YANG Wen-Lu
YAO Nan
-
作者单位:
-
刊名:
中国生物医学工程学报
-
Journal:
-
年,卷(期):
-
所属期刊栏目:
-
基金项目
-
在线出版日期:
-
页码: