一种基于核主成分分析的驾驶疲劳状态预测方法

论文摘要

针对在驾驶疲劳状态识别研究中采集的脑电信号(Electroencephalograph,EEG)具有非线性特点,以及目前基于EEG的驾驶疲劳状态识别方法仍存在识别准确率不很理想的问题,提出基于样本熵和核主成分分析的驾驶疲劳状态识别方法。所研究的方法结合了基于样本熵在驾驶疲劳状态识别方法具有较好的识别准确率优势以及核主成分对主成分是非线性的情况下具有较好的降维效果优势。实验结果表明所提出的方法是有效的。

论文目录

• 1 样本熵
• 2 基于样本熵和核主成分分析的EEG数据处理方法
•   2.1 主成分分析 （PCA） 和核主成分分析 （KPCA）
•     2.1.1 PCA的基本原理
•     2.1.2 KPCA的基本原理
•   2.2 核函数方法
•   2.3 基于样本熵和核主成分分析的EEG数据处理算法
• 3 测试与结果分析
•   3.1 测试环境及测试数据
• KPCA的疲劳驾驶状态识别测试'>  3.2 基于SE_KPCA的疲劳驾驶状态识别测试
• 4 结语

文章来源

类型: 期刊论文

作者: 郑超英,叶贝鸽,刘萍,邱桃荣

关键词: 驾驶疲劳,样本熵,核主成分分析,支持向量机

来源: 南昌大学学报(理科版) 2019年02期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑

专业: 汽车工业

单位: 华侨大学工学院,南昌大学信息工程学院

基金: 国家自然科学基金资助项目(61762045,81460769,61070139)

分类号: U463.6

DOI: 10.13764/j.cnki.ncdl.2019.02.015

页码: 182-186

总页数: 5

文件大小: 139K

下载量: 193