公开(公告)号：CN112274154A

公开(公告)日：2021-01-29

申请号：CN202010985572.5

申请日：2020-09-18

Applicant: 杭州电子科技大学

Inventor： 曾虹 ,  张佳明 ,  李秀峰 ,  吴振华 ,  赵月 ,  孔万增 ,  戴国骏

IPC: A61B5/18 ,  A61B5/369 ,  A61B5/372 ,  A61B5/00

Abstract: 本发明公开了一种基于脑电样本权重调整的跨被试疲劳状态分类方法。本发明以PSD作为特征提取方法，InstanceEasyTL算法作为分类器，通过对EEG信号的处理及分析，在跨被试的设定下，对驾驶员的疲劳程度进行分类，实现疲劳、清醒两种状态的区分。首先获取数据并预处理；其次使用PSD对脑电数据进行特征提取；然后设置实验的新源域和新目标域，再根据InstanceEasyTL算法进行分类。与传统的机器学习、深度学习方法和基于特征对齐的EasyTL方法相比，在跨被试上拥有更好的分类性能。此外本方法在仅需目标域中小部分比例的数据情况下，仍然能够保持较高的分类性能。

公开(公告)号：CN109512442A

公开(公告)日：2019-03-26

申请号：CN201811571326.4

申请日：2018-12-21

Applicant: 杭州电子科技大学

Inventor： 曾虹 ,  杨晨 ,  孔万增 ,  吴振华 ,  张佳明

IPC: A61B5/18 ,  A61B5/0476 ,  A61B5/00

Abstract: 本发明公开了一种基于LightGBM的EEG疲劳状态分类方法。本发明以共空间模式作为特征提取方法，梯度boosting框架LightGBM作为分类器，通过对EEG信号的分析，对驾驶员的疲劳程度进行分类，实现疲劳、清醒、中性三种状态的区分。首先获取数据并预处理；其次通过CSP对脑电数据进行特征提取，后对脑电特征进行降维；然后划定实验的训练集和测试集，再构建分类模型分类。针对精神状态预测，本发明获得的结果更好，且从时间消耗角度，本发明拥有较快的运行速度，这对后期应用于实时数据分析提供了基础。总之，本发明在精神状态预测方面具有较好的性能，以期在实际的脑机交互中有着广泛的应用前景。