典型文献
基于自适应主成分分析维度寻优的脑力负荷识别
文献摘要：
脑力负荷识别对提高作业操作人员工作效率,减少人因事故具有重要意义.然而,由于脑电(electroencephalogram,EEG)信号的采集是由多通道脑电帽采集的,并且分布在各个频带上,因此经过特征提取得到的特征维度过高,造成后续识别模型复杂度过高.对此,通常使用主成分分析(principal component analysis,PCA)对高维特征向量进行降维处理,但是降维维度的取值很难确定.提出了一种基于主成分分析的自适应维度寻优方法,将实验数据集中的高维特征使用主成分分析降维到寻优维数范围内的各个维度,并将各个维度的分类精度绘制成维度—分类精度曲线,通过识别该曲线的"肘部"来确定该实验数据集的最优降维维度,并将该维度应用到同实验的其他实验数据上进行脑力负荷识别.结果表明,该方法可以准确识别出在同实验数据集中通用的最优降维维度,有效提高识别效率.
文献关键词：
脑力负荷;主成分分析;脑电;特征降维
中图分类号：
作者姓名：
曲洪权;王飞月;庞丽萍
作者机构：
北方工业大学信息学院, 北京100144;北京航空航天大学航空科学与工程学院,北京100191
文献出处：
引用格式：
[1]曲洪权;王飞月;庞丽萍-.基于自适应主成分分析维度寻优的脑力负荷识别)[J].科学技术与工程,2022(26):11342-11347
A类：
B类：
脑力负荷,负荷识别,高作,操作人员,人员工作,人因,因事,脑电,electroencephalogram,EEG,多通道,频带,带上,识别模型,模型复杂度,principal,component,analysis,高维特征向量,降维处理,维维,分类精度,度曲,肘部,准确识别,特征降维
AB值：
0.311115
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。
