研究深海海员的心理工作负荷,从EEG数据驱动操作任务
Xiaoguang Liu1,2, Lu Shi2,3, Cong Ye4
1School of Naval Architecture, Ocean & Civil Engineering, Shanghai Jiao Tong University, Shanghai 200240, China.
Bioengineering (Basel, Switzerland)
|September 28, 2023
概括
这项研究使用脑电图 (EEG) 信号来测量驾驶员的心理工作量. 量子遗传算法-多类支持矢量机器 (QGA-MSVM) 准确地识别了驾驶员的认知负载,准确率为91.8%.
科学领域:
- 神经科学是一个神经科学.
- 机器学习 机器学习
- 人与计算机的交互
背景情况:
- 驾驶员的心理工作负担会影响安全和性能.
- 电脑电图 (EEG) 的信号反映了神经生理状态.
- 优化机器学习模型对于准确的工作量评估至关重要.
研究的目的:
- 开发和验证QGA-MSVM模型,用于使用EEG信号识别驾驶员的心理工作负载.
- 评估QGA-MSVM与其他优化方法的性能.
- 在现实世界驾驶模拟场景中评估模型的准确性.
主要方法:
- 使用的EEG信号频率和时间域特征.
- 使用量子遗传算法 (QGA) 来优化多类支持向量机 (MSVM) 内核参数.
- 将QGA-MSVM模型应用于来自不同海洋环境的驾驶模拟的EEG数据.
主要成果:
- 与其他方法相比,基于QGA的优化在参数调整方面表现出优异的性能.
- QGA-MSVM模型在识别驾驶员的心理工作负载方面实现了91.8%的高整体准确性.
- 该模型即使在有限的数据集上也被证明是有效的.
结论:
- QGA-MSVM是一种非常准确和有效的方法,通过EEG信号来评估驾驶员的心理工作量.
- 这种方法在提高驾驶员安全系统方面具有重大潜力.
- 该研究验证了用于神经生理信号分析的先进机器学习技术的使用.
