基于Stacking模型融合策略的脑力负荷等级评定方法

作     者：曹子轩 尹钟 张建华 CAO Zi-xuan;YIN Zhong;ZHANG Jian-hua

作者机构：上海理工大学光电信息与计算机工程学院上海200093 奥斯陆都市大学计算机科学系挪威奥斯陆N-0130 

基　　金：国家自然科学基金项目(61703277) 上海杨帆计划项目(17YF1427000) 

出 版 物：《软件导刊》 (Software Guide)

年 卷 期：2020年第19卷第1期

页      码：80-83页

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。

主 题 词：脑力负荷等级 Stacking 脑电生理信号 

学科分类：08[工学] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.11907/rjdk.192365

馆 藏 号：203881045...