典型文献
基于改进KNN算法的飞行员工作负荷评估
文献摘要：
针对使用主观量表评估飞行员工作负荷易受主观因素干扰的问题,将飞行员工作负荷评估试验划分成连续的15 s时间窗口,基于时间窗口内的客观绩效和生理数据,建立飞行员工作负荷评估模型.使用插值、去均值、归一化等方法预处理数据后,再将生理数据变化量作为工作负荷的特征维度,并基于生理数据变化量改进KNN算法,对工作负荷进行分类.通过引入生理数据变化量作为工作负荷的特征维度,优化分类模型的数据结构后,各传统分类算法的测试集F1分数均得到提高;使用生理数据变化量改进KNN算法后,高负荷数据分类准确率达到71％,总体准确率能达到88.5％;相比于传统KNN算法,高负荷数据分类准确率提升36.5％,总体准确率提升6.3％.
文献关键词：
工作负荷;F1分数;KNN;生理数据
中图分类号：
作者姓名：
吴浩然;吴红兰;孙有朝;晏传奇
作者机构：
南京航空航天大学,江苏南京211000
文献出处：
引用格式：
[1]吴浩然;吴红兰;孙有朝;晏传奇-.基于改进KNN算法的飞行员工作负荷评估)[J].航空计算技术,2022(05):77-81
A类：
B类：
KNN,飞行员,工作负荷,负荷评估,主观量,量表评估,主观因素,时间窗口,口内,生理数据,预处理数据,数据变化,变化量,分类模型,数据结构,传统分类算法,测试集,高负荷,负荷数据,数据分类,分类准确率,准确率提升
AB值：
0.272445
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
