基于心电信号联合特征的脑力负荷分类算法研究.docxVIP

基于心电信号联合特征的脑力负荷分类算法研究 摘要：随着现代社会节奏加快和信息密度不断增加，人们的脑力负荷越来越大。为了研究脑力负荷的分类问题，本文提出了一种基于心电信号联合特征的脑力负荷分类算法。首先，本文对心电信号进行了预处理，并提取了时间域和频域的特征。然后，将心电信号的特征与脑电信号、行为反应等不同数据源的特征进行联合，构建了多数据源的特征空间。接着，本文采用k-近邻（KNN）算法对特征空间进行分类，同时采用自适应权重学习方法对各个数据源的特征进行权重分配。实验结果表明，本文提出的算法在两个公开数据集上的分类准确率分别为87.2%和89.8%，比单一数据源的方法有较大的提升。