| 张兆瑞,赵群飞,张朋柱.基于GRNN的可穿戴式脑电仪EEG疲劳检测[J].高技术通讯(中文),2019,29(3):266~273 |
| 基于GRNN的可穿戴式脑电仪EEG疲劳检测 |
|
| |
| DOI： |
| 中文关键词: 可穿戴式脑电仪（EEG）， 疲劳检测， 数据清洗， 特征提取， 广义回归神经网络， 脑电波信号 |
| 英文关键词: |
| 基金项目: |
|
| 摘要点击次数: 3187 |
| 全文下载次数: 1892 |
| 中文摘要: |
| 针对单电极可穿戴式脑电仪的脑电波信号(EEG)的疲劳状态智能识别，进行了基于广义回归神经网络(GRNN)的疲劳状态检测的研究。首先，通过调查问卷调查用户主观疲劳量，结合疲劳检测手环实现EEG数据的疲劳等级标记以建立数据集；其次，采用数据清洗等方式实现数据预处理并提取数据的时域特征、频域特征；运用主元分析进行特征降维；然后，建立GRNN疲劳识别模型并计算识别准确率；同时以支持向量机(SVM)方法作为对比实验检验模型效果；最后，以建立好的GRNN模型进行疲劳检测。研究发现，GRNN模型下EEG疲劳状态识别准确率最高为88.1%，相比SVM模型更高，对于EEG的疲劳状态的检测具有更好的稳定性和区分度。 |
| 英文摘要: |
| |
|
查看全文
查看/发表评论 下载PDF阅读器 |
| 关闭 |
|
|
|
