驾驶员脑力负荷的SVM识别模型

发布时间：2018-03-30 19:03

  本文选题：驾驶员　切入点：脑力负荷　出处：《哈尔滨工业大学学报》2016年03期

【摘要】：车载信息系统的使用,道路交通控制信息的复杂,增加了驾驶员脑力负荷量.为对驾驶员脑力负荷进行有效识别,为自动辅助驾驶系统以及交通信息的整合优化设计提供依据,以驾驶员脑电信号δ(0.54 Hz),θ(48 Hz),α(813 Hz),β(1330Hz)频谱幅值为输入特征,结合SVM模型构建了驾驶员脑力负荷识别模型.在此基础上,基于驾驶模拟器实验数据,对该模型予以试算.结果表明,模型识别正确率可达93.8%96.5%.该模型对驾驶员脑力负荷识别具有较高准确性,可用于驾驶员脑力负荷识别.
[Abstract]:With the use of vehicular information system and the complexity of road traffic control information, the amount of mental load of drivers is increased, which provides a basis for the effective identification of drivers' mental load and for the integration and optimization design of the Auxiliary driving system and traffic information. Based on the input characteristics of the driver's EEG 未 0.54 Hz, 胃 Hu 48 Hz, 伪 Li 813 Hz, 尾 Li 1330 Hz, and combining with the SVM model, a driver's mental load identification model is constructed. Based on the experimental data of the driving simulator, the model is calculated. The results show that, The correct rate of model recognition is 93.8.5%. The model has high accuracy and can be used to identify the mental load of drivers.
【作者单位】： 西南交通大学交通运输与物流学院;成都市事故预防处;
【基金】：国家自然科学基金(51108390) 国家自然科学基金委铁道联合基金资助(U1234206)
【分类号】：U463.6

【相似文献】

相关期刊论文 前10条

1 徐高欢;;SVM在教师教学质量评价中的应用[J];浙江水利水电专科学校学报;2007年01期

2 王蒙;傅行军;;基于参数优化SVM的旋转机械故障诊断[J];江苏电机工程;2008年01期

3 孙颖;刘玉满;龚稳;;基于SVM的多传感器信息融合[J];长春工业大学学报(自然科学版);2013年03期

4 彭磊;高峰;任立华;黄真辉;;基于SVM的混沌时间序列预测模型应用研究[J];工程勘察;2013年09期

5 刘海松;吴杰长;陈国钧;;克隆选择优化的SVM模拟电路故障诊断方法[J];电子测量与仪器学报;2010年12期

6 刘永斌;何清波;张平;孔凡让;;基于SVM的旋转机械故障诊断方法[J];计算机工程;2012年05期

7 曹鹏;李博;刘鑫;赵大哲;;基于代价敏感SVM优化组合算法的微钙化簇识别[J];东北大学学报(自然科学版);2013年08期

8 郭有贵;曾萍;朱建林;;交-交矩阵变换器SVM的新颖调制模式(英文)[J];系统仿真学报;2009年22期

9 宋国明;王厚军;姜书艳;刘红;;一种聚类分层决策的SVM模拟电路故障诊断方法[J];仪器仪表学报;2010年05期

10 宋国明;王厚军;刘红;姜书艳;;基于提升小波变换和SVM的模拟电路故障诊断[J];电子测量与仪器学报;2010年01期

相关会议论文 前10条

1 滕卫平;胡波;滕舟;钟元;;SVM回归法在西太平洋热带气旋路径预报中的应用研究[A];S1 灾害天气研究与预报[C];2012年

2 王红军;徐小力;付瑶;;基于SVM的旋转机械故障诊断知识获取[A];第八届全国设备与维修工程学术会议、第十三届全国设备监测与诊断学术会议论文集[C];2008年

3 陈兆基;杨宏晖;杜方键;;用于水下目标识别的选择性SVM集成算法[A];中国声学学会水声学分会2011年全国水声学学术会议论文集[C];2011年

4 程丽丽;张健沛;杨静;马骏;;一种改进的层次SVM多类分类方法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

5 左南;李涓子;唐杰;;基于SVM的肖像照片抽取[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

6 宁伟;苗雪雷;胡永华;季铎;张桂平;蔡东风;;基于SVM的无参考译文的译文质量评测[A];机器翻译研究进展——第四届全国机器翻译研讨会论文集[C];2008年

7 刘旭;罗鹏飞;李纲;;基于拟合角特征及SVM的雷达辐射源个体识别[A];全国第五届信号和智能信息处理与应用学术会议专刊(第一册)[C];2011年

8 罗浩;谢军龙;胡云鹏;;地源热泵空调系统故障诊断中SVM的应用[A];全国暖通空调制冷2008年学术年会资料集[C];2008年

9 刘闪电;王建东;;权重部分更新的大规模线性SVM求解器[A];2009年研究生学术交流会通信与信息技术论文集[C];2009年

10 王舰;汤光明;;基于SVM的图像隐写检测分析[A];第八届全国信息隐藏与多媒体安全学术大会湖南省计算机学会第十一届学术年会论文集[C];2009年

相关博士学位论文 前1条

1 陈志茹;基于SVM集成学习的miRNA靶基因预测研究[D];燕山大学;2015年

相关硕士学位论文 前10条

1 杨刘;基于PCA与SVM的地力评价研究[D];中南林业科技大学;2015年

2 伍岳;基于SVM的文本分类应用研究[D];电子科技大学;2014年

3 高传嵩;基于SVM文本分类的问答系统的设计与实现[D];南京大学;2014年

4 冯天娇;基于肝脏表观模型和优化SVM的肝癌识别方法的研究与实现[D];东北大学;2013年

5 姚磊;基于SVM主动学习的音乐分类[D];南京邮电大学;2015年

6 张汉女;基于SVM的海岸线提取方法研究[D];东北师范大学;2010年

7 刘军;基于SVM的半监督网络入侵检测系统[D];复旦大学;2009年

8 张永俊;基于SVM的增量入侵检测方法研究[D];西安科技大学;2013年

9 田幂;基于概率SVM的肿瘤预警系统的设计与实现[D];吉林大学;2013年

10 王硕;基于广义S变换和SVM的电压暂降检测与识别方法研究[D];燕山大学;2013年

，

本文编号：1687218