典型文献
语言理解中脑力负荷识别通道选择方法研究
文献摘要：
利用脑电信号能客观连续地评估人在语言理解任务下的脑力负荷水平,提高人机系统整体工作绩效.然而在实际应用中,部分脑电通道对脑力负荷识别的贡献较小,仅增加了机器学习模型的计算复杂度,因此对多导联脑电进行通道选择十分必要.首先基于包裹型通道选择算法,采用SMOTETomek策略对每个通道脑电数据的训练数据进行过采样;然后使用随机森林训练得到分类器的3个预测性能指标,分别为宏F1分数、G-mean和AUC值;最后对3个指标融合排序得到通道权重贡献度,通过逐步消除法删除冗余通道.与传统的过滤型通道选择算法相比,新建方法最终使用最少9个通道便达到了较好的分类效果.此外,所选通道与已有的语言理解和脑力负荷的脑区位置相一致,验证了该通道选择方法的可重复性.
文献关键词：
脑力负荷;通道选择;非平衡数据;随机森林;SMOTETomek;脑电图
中图分类号：
作者姓名：
王广颖;尹钟
作者机构：
上海理工大学光电信息与计算机工程学院,上海 200093
文献出处：
引用格式：
[1]王广颖;尹钟-.语言理解中脑力负荷识别通道选择方法研究)[J].软件导刊,2022(12):1-6
A类：
B类：
语言理解,中脑,脑力负荷,负荷识别,通道选择,选择方法,用脑,脑电信号,解任,负荷水平,人机系统,系统整体,工作绩效,电通,机器学习模型,计算复杂度,选择算法,SMOTETomek,脑电数据,训练数据,过采样,练得,分类器,预测性能,mean,指标融合,贡献度,除法,删除,终使,分类效果,脑区,相一致,可重复性,非平衡数据,脑电图
AB值：
0.386694
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。
