公开(公告)号：CN107320115B

公开(公告)日：2020-03-17

申请号：CN201710538724.5

申请日：2017-07-04

Applicant: 重庆大学

Inventor： 张莉 ,  何传红 ,  陈杨文 ,  黎昌盛

IPC: A61B5/16 ,  A61B5/0476 ,  A61B5/04

Abstract: 本发明公开了一种自适应的精神疲劳评估方法，包括：1)采集脑电信号构成脑电样本；2)对采集到的脑电信号进行低通滤波，提取δ、θ、α和β四个不同的脑电节律信号，然后以δ、θ、α三个节律信号的相对能量和能量比值作为各通道脑电信号的特征信息；3)利用训练好的初始基分类器对在线采集到的脑电样本进行预测，通过多数投票的策略选择预测结果，对样本进行标记，给出当前的疲劳状态评估结果。本发明提出利用选择性集成技术为半监督评估模型训练一组速度快、具有差异性的基分类器作为初始分类器，在线并行更新，进而集成强分类器，以保障分类器在更新过程中泛化能力的增强，同时取得高的分类精度和快的运行速度。

公开(公告)号：CN107320115A

公开(公告)日：2017-11-07

申请号：CN201710538724.5

申请日：2017-07-04

Applicant: 重庆大学

Inventor： 张莉 ,  何传红 ,  陈杨文 ,  黎昌盛

IPC: A61B5/16 ,  A61B5/0476 ,  A61B5/04

Abstract: 本发明公开了一种自适应的精神疲劳评估方法，包括：1)采集脑电信号构成脑电样本；2)对采集到的脑电信号进行低通滤波，提取δ、θ、α和β四个不同的脑电节律信号，然后以δ、θ、α三个节律信号的相对能量和能量比值作为各通道脑电信号的特征信息；3)利用训练好的初始基分类器对在线采集到的脑电样本进行预测，通过多数投票的策略选择预测结果，对样本进行标记，给出当前的疲劳状态评估结果。本发明提出利用选择性集成技术为半监督评估模型训练一组速度快、具有差异性的基分类器作为初始分类器，在线并行更新，进而集成强分类器，以保障分类器在更新过程中泛化能力的增强，同时取得高的分类精度和快的运行速度。