2024年8月23日
星期五
|
欢迎来到贵州省图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
余刚
作品数:
1
被引量:4
H指数:1
供职机构:
成都市公安局
更多>>
发文基金:
国家自然科学基金
更多>>
相关领域:
交通运输工程
更多>>
合作作者
吴志敏
西南交通大学交通运输与物流学院...
郭孜政
西南交通大学交通运输与物流学院...
张骏
西南交通大学交通运输与物流学院...
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
交通运输工程
主题
1篇
支持向量
1篇
支持向量机
1篇
子群
1篇
向量
1篇
向量机
1篇
粒子群
1篇
粒子群优化
1篇
驾驶
1篇
PSO-SV...
1篇
EEG
1篇
持续性
机构
1篇
西南交通大学
1篇
成都市公安局
作者
1篇
张骏
1篇
郭孜政
1篇
余刚
1篇
吴志敏
传媒
1篇
北京工业大学...
年份
1篇
2016
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
基于EEG的驾驶持续性注意水平PSO-SVM识别模型
被引量:4
2016年
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(13~30Hz))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.
郭孜政
吴志敏
潘雨帆
余刚
张骏
关键词:
粒子群优化
支持向量机
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张