摘要：准确地评价数字图形界面下操作员的认知负荷(cognitive load,CL),有助于实现认知反馈机制并最终提高人机工效.为了进一步提高评价方法的鲁棒性与泛化能力,结合EEG实验将Att-BLSTM应用于CL评价问题中.该方法首先利用Multi-CNN提取EEG的频域与空间特征,然后利用Att-BLSTM提取EEG的时域特征,最后通过多特征融合构建CL评价方法.通过招募12名被试,采集了2种CL条件下的EEG数据进行了实验.实验结果表明,文中方法在该数据集上的平均准确率为82%,比传统机器学习的方法具有更强的EEG信号表征能力;与其他深度学习方法相比,也能更准确地提取EEG的时域特征,且具有更强的鲁棒性.

摘要：为积极贯彻落实相关法律规定和水土保持行业管理要求,迫切需要厘清“水土流失严重区”与“生态脆弱区”内涵,制订科学可行的划定指南,为水土保持空间管控提供基础依据。在系统总结相关成果的基础上,结合长江流域特点,确定了水土流失严重区与生态脆弱区的内涵和研判规则,并选择贵州省毕节市七星关区作为典型县,开展了长江流域水土流失严重区与生态脆弱区划定试点研究。结果显示:提出的水土流失严重区和生态脆弱区划定指标与规则可行,七星关区水土流失严重区面积为663.84 km^(2),占国土面积的20.04%;生态脆弱区面积为450.44 km^(2),占国土面积的13.20%。