基于受限玻尔兹曼机的疲劳脑电特性分析.pdfVIP

测控技术

·９８·２０２０年第３９卷第２期模式识别与人工智能

基于受限玻尔兹曼机的疲劳脑电特性分析

甘达云，谢云，王明丽，卢扩锋

（广东工业大学自动化学院，广东广州）

５１０００６

摘要：为了准确提取和分类视觉疲劳所引起的脑电特征，以此提醒过度用眼的工作人员及时休息，提出

了多通道受限玻尔兹曼机算法和卷积神经网络（ＣＮＮ）算法结合的深度学习混合模型，利用该模型对枕

叶区１０个通道的脑电信号进行自动提取内在特征和分类。在基于ＳＳＶＥＰ的视觉疲劳脑电数据集上进

深度学习混合模型的平均准确率达到比传统的特征提取和分类方法高实验结

行评估，８８．６３％，１０％。