仪器仪表学报
儀器儀錶學報
의기의표학보
CHINESE JOURNAL OF SCIENTIFIC INSTRUMENT
2014年
4期
834-840
,共7页
脑电图%多特征表示%特征选择%预测
腦電圖%多特徵錶示%特徵選擇%預測
뇌전도%다특정표시%특정선택%예측
electroencepha lography(EEG)%multi-feature representation%feature selection%forecast
疲劳驾驶是交通事故发生的主要原因之一,为了精确预测驾驶员疲劳程度,提出一种基于度量学习的无监督特征选择与识别方法.首先,在对脑电图进行特征提取时,多特征表示的方法克服了传统方法相对单一、往往不能完整表达时间序列信息的缺陷.然后,基于度量学习的特征选择方法对变换之后的特征进行选择,有效降低了样本维度;最后引入支持向量机分类器对其进行分类.通过在公开数据集和真实数据集上对各种过滤式特征选择方法进行的比较实验说明了该方法的有效性.
疲勞駕駛是交通事故髮生的主要原因之一,為瞭精確預測駕駛員疲勞程度,提齣一種基于度量學習的無鑑督特徵選擇與識彆方法.首先,在對腦電圖進行特徵提取時,多特徵錶示的方法剋服瞭傳統方法相對單一、往往不能完整錶達時間序列信息的缺陷.然後,基于度量學習的特徵選擇方法對變換之後的特徵進行選擇,有效降低瞭樣本維度;最後引入支持嚮量機分類器對其進行分類.通過在公開數據集和真實數據集上對各種過濾式特徵選擇方法進行的比較實驗說明瞭該方法的有效性.
피로가사시교통사고발생적주요원인지일,위료정학예측가사원피로정도,제출일충기우도량학습적무감독특정선택여식별방법.수선,재대뇌전도진행특정제취시,다특정표시적방법극복료전통방법상대단일、왕왕불능완정표체시간서렬신식적결함.연후,기우도량학습적특정선택방법대변환지후적특정진행선택,유효강저료양본유도;최후인입지지향량궤분류기대기진행분류.통과재공개수거집화진실수거집상대각충과려식특정선택방법진행적비교실험설명료해방법적유효성.
