基于蝙蝠算法-随机森林分类算法和脉搏波的精神疲劳检测算法

摘要：

针对精神疲劳易诱发多种慢性病甚至癌症但却难以精准量化评估的问题,提出了一种基于BA-RFC的光电容积脉搏波信号(photoplethysmographic,PPG)人体精神疲劳检测方法.首先,以高校学生为测试对象,根据其精神疲劳状态进行分组,用PPG仪器测量受试者的脉搏波信号,建立元数据库.接着以蝙蝠算法(bat algorithm,BA)和随机森林分类算法(random forest classification,RFC)相结合的疲劳检测模型,对元数据进行处理.使用蝙蝠算法,通过迭代,获取并优选决策树和分类特性等参数,然后把最优决策树和分类特征参数应用到随机森林分类算法中,进行决策即识别疲劳状态.仿真结果表明:BA-RFC算法能筛选出与疲劳相关性较高的特征,利用筛选后的特征进行疲劳识别,既优化了参数,又降低了维度灾难,提高了疲劳检测精度.把识别准确率从93.3％提高到96.7％.

关键词：精神疲劳、脉搏波信号、特征选择、蝙蝠算法(BA)、随机森林(RFC)、检测精度

所属期刊栏目：22

分类号：TN911.4

资助基金：国家自然科学基金;斯沃德股份有限公司资助项目

在线出版日期：2022-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1495-1501