基于eeg的驾驶持续性注意水平pso-svm识别模型 pso-svm identification model for driving sustained attention level based on eeg.pdfVIP

下载本文档

3
0
约2.24万字
约 6页
2017-10-14 发布于上海
举报
版权申诉

基于eeg的驾驶持续性注意水平pso-svm识别模型 pso-svm identification model for driving sustained attention level based on eeg.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于eeg的驾驶持续性注意水平pso-svm识别模型 pso-svm identification model for driving sustained attention level based on eeg

第42卷第3期北京工业大学学报 Vol.42 No.3 2016年 3月 JOURNAL OF BEIJING UNIVERSITY OFTECHNOLOGY Mar. 2016 基于EEG的驾驶持续性注意水平PSO-SVM识别模型 1 1 1 2 1 郭孜政 ,吴志敏 ,潘雨帆 ,余刚 ,张骏 ( 1. 西南交通大学交通运输与物流学院综合交通运输智能化国家地方联合工程实验室,成都 610031; 2. 成都市公安局事故预防处,成都 610031) 摘要:为了对驾驶持续性注意水平予以有效识别,基于脑电(EEG)信号特征指标构建了一种持续性注意水平识别方法. 以驾驶行为绩效为客观测评指标,提出了一种驾驶持续性注意水平等级划分方法. 在此基础上,选取驾驶员EEG波段 (θ(4 ~8Hz)、α(8~13Hz)、β(13~30 Hz))的频谱幅值及其组合指标(α +β)/β、α/β、(θ+α)/ (α + β)、θ/β、(α+β)/ θ作为特征指标,将粒子群优化(PSO)算法与支持向量机(SVM)相结合,构建了驾驶持续性注意水平识别算法. 最后,基于驾驶模拟器实验数据对该模型予以试算. 结果表明模型识别平均正确率可达93.02℅. 该方法可用于对驾驶员持续性注意水平的识别. 关键词:粒子群优化;支持向量机;驾驶持续性注意;识别模型中图分类号:U491.254 文献标志码:A 文章编号:0254-0037(2016)03-0427-06 doi:10.11936/ bjutxb2015050100 PSO-SVM Identification Model for Driving Sustained Attention Level Based on EEG 1 1 1 2 1 GUOZizheng ,WU Zhimin ,PAN Yufan ,YU Gang ,ZHANGJun (1. National United Engineering Laboratory of Integrated and Intelligent Transportation,School of Transportation and Logistics,Southwest Jiaotong University,Chengdu610031,China; 2. Accident Prevention Office,Bureau of Public Security of Chengdu Municipality,Chengdu610031,China) Abstract:In order to recognize driving sustained attention effectively,an identification method for sustained attention level was proposed based on the signal of electroencephalograph (EEG). Firstly, taking the driver’s reaction time to random events as indexes,a dividing method for sustained attention levelswasproposed. Secondly,using average