集成3种不同核分类器的疲劳脑电分类

集成3种不同核分类器的疲劳脑电分类

论文摘要

为对疲劳脑电进行准确识别,预防疲劳驾驶带来的危害,对32导脑电信号进行预处理,对比小波变换和经验模态分析(empirical mode decomposition,EMD)去掉异常值和高频噪声情况,在效果较好的EMD基础上进行样本熵、模糊熵的提取,形成特征集,选用最小二乘为基分类器,采用AdaBoost (adaptive boosting)方法通过迭代增加错分样本权重,投票形成基于最小二乘支持向量机3个不同核的弱分类器集成的强分类器,实现驾驶疲劳的识别,平均准确率达95%。通过实验验证了该方法的灵活性及鲁棒性,在一定程度上推动了驾驶疲劳的研究。

论文目录

  • 0 引言
  • 1 实验范式
  • 2 脑电信号处理
  • 3 特征提取
  •   3.1 基于模糊熵的特征提取
  •   3.2 基于样本熵的特征提取
  • 4 模型分析与评价
  •   4.1 模型选择与建立
  •   4.2 模型分析与评价
  • 5 结束语
  • 文章来源

    类型: 期刊论文

    作者: 王海玉,王映龙,闵建亮,胡剑锋

    关键词: 脑电信号,疲劳驾驶,经验模态分析,样本熵,模糊熵

    来源: 计算机工程与设计 2019年06期

    年度: 2019

    分类: 信息科技,基础科学,医药卫生科技

    专业: 生物学,生物医学工程,电信技术

    单位: 江西农业大学计算机与信息工程学院,江西科技学院信息技术研究所

    基金: 国家自然科学基金项目(61762045),江西省自然科学基金项目(20171BAB202031),江西省教育厅科技项目重点课题基金项目(GJJ151146)

    分类号: R318;TN911.7

    DOI: 10.16208/j.issn1000-7024.2019.06.045

    页码: 1757-1762

    总页数: 6

    文件大小: 299K

    下载量: 186

    相关论文文献

    • [1].基于动态分类器集成系统的卷烟感官质量预测方法[J]. 计算机应用与软件 2020(01)
    • [2].基于标准数据集的分类器融合学习模型[J]. 微型电脑应用 2020(04)
    • [3].一种自适应子融合集成多分类器方法[J]. 计算机测量与控制 2019(04)
    • [4].基于多分类器融合的近红外光谱技术鉴别蜂蜜品种[J]. 化学分析计量 2019(03)
    • [5].基于分类器的身份证号码识别研究[J]. 贵州科学 2018(01)
    • [6].一种基于多分类器融合的人体运动行为识别模型[J]. 计算机科学 2016(12)
    • [7].一种基于混淆矩阵的分类器选择方法[J]. 河南理工大学学报(自然科学版) 2017(02)
    • [8].一种代价敏感的三类分类器评估方法的研究与应用[J]. 通化师范学院学报 2017(08)
    • [9].基于多分类器组合的遥感土地利用分类研究[J]. 安徽农业科学 2015(32)
    • [10].多分类器融合与单分类器影像分类比较研究[J]. 矿山测量 2016(04)
    • [11].《未来垃圾分类器》[J]. 幼儿教育 2020(14)
    • [12].基于多分类器组合的城市不透水面提取研究[J]. 城市地理 2017(04)
    • [13].《垃圾分类器》[J]. 辅导员 2016(11)
    • [14].多分类器融合的遥感影像分类方法实验研究[J]. 全球定位系统 2020(05)
    • [15].一种基于核聚类的多分类器选择算法[J]. 电子技术与软件工程 2020(13)
    • [16].基于一种新的级联分类器的目标检测系统[J]. 现代电子技术 2020(01)
    • [17].最佳的分类器链局部检测与挖掘算法[J]. 计算机工程与设计 2017(11)
    • [18].基于多分类器融合与模糊综合评判的滚动轴承故障诊断[J]. 中国科技论文 2016(04)
    • [19].近红外光谱和多分类器融合的葡萄酒品种判别研究[J]. 光谱学与光谱分析 2016(11)
    • [20].基于多分类器集成的语音情感识别[J]. 微电子学与计算机 2015(07)
    • [21].基于集成分类器的流量识别技术研究[J]. 科技视界 2015(33)
    • [22].二叉树型多分类器融合的轴承故障诊断方法[J]. 计算机工程与应用 2015(21)
    • [23].智能垃圾分类器[J]. 科学启蒙 2013(12)
    • [24].一种新的多分类器融合方法[J]. 西南师范大学学报(自然科学版) 2014(01)
    • [25].动态加权投票的多分类器聚合[J]. 现代计算机(专业版) 2014(05)
    • [26].面向用户观点分析的多分类器集成和优化技术[J]. 计算机学报 2013(08)
    • [27].基于证据理论的优化集成分类器融合算法及应用[J]. 化工学报 2012(09)
    • [28].多类不平衡数据上的分类器性能比较研究[J]. 计算机工程 2011(10)
    • [29].基于多分类器融合的语音识别方法研究[J]. 重庆邮电大学学报(自然科学版) 2011(04)
    • [30].基于粗糙集约简的多分类器系统构造方法[J]. 计算机工程与应用 2010(03)

    标签:;  ;  ;  ;  ;  

    集成3种不同核分类器的疲劳脑电分类
    下载Doc文档

    猜你喜欢