購物車(0)
基于腦電信號(hào)與集成分類器的心理負(fù)荷評(píng)估
關(guān)鍵詞：腦力負(fù)荷 腦電信號(hào) 超限學(xué)習(xí)機(jī) 支持向量機(jī)
摘要：為了精確評(píng)估個(gè)體心理負(fù)荷狀態(tài),需要獲取目標(biāo)腦電信號(hào)數(shù)據(jù),腦電信號(hào)是評(píng)估腦力負(fù)荷變化的重要指標(biāo)。機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)越來越多地用于腦力負(fù)荷分類。利用腦電信號(hào)特征可在時(shí)域和頻域中提取突出信息。因此提出一個(gè)結(jié)合支持向量機(jī)(SVM)與超限學(xué)習(xí)機(jī)(ELM)的混合型腦力負(fù)荷分類框架。其中支持向量機(jī)作為成員分類器,可在高維EEG特征中查找隱藏信息;超限學(xué)習(xí)機(jī)用于融合成員分類器的輸出。將ELM-SVM模型與經(jīng)典腦力負(fù)荷分類器進(jìn)行比較,得出該模型訓(xùn)練精度準(zhǔn)確率為1,且測試精度提升0.1個(gè)百分點(diǎn)。
軟件導(dǎo)刊雜志要求:
{1}作者簡介：文尾附注第一作者簡介，含姓名（出生年月）、性別、民族、籍貫、學(xué)歷學(xué)位、單位、職務(wù)、職稱、研究方向等，并注明準(zhǔn)確通訊地址、郵政編碼、電話號(hào)碼、E-mail地址。
{2}本刊只接受word版電子文本。文稿須包括題目、提要、關(guān)鍵詞、正文及作者簡介。
{3}題目中除公知公用的縮略語外，盡量不用外文縮略語。
{4}參考文獻(xiàn)列出的一般應(yīng)限于作者直接閱讀過的、最主要的、發(fā)表在正式出版物上的文獻(xiàn)。
{5}關(guān)鍵詞應(yīng)有3～5個(gè)。詞與詞之間用分號(hào)分隔。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
