基于自适应主成分分析维度寻优的脑力负荷识别

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.

关键词：脑力负荷、主成分分析、脑电、特征降维

所属期刊栏目：22

分类号：R338.8(人体生理学)

资助基金：辽宁省兴辽英才计划项目XLYC1802092

在线出版日期：2022-11-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：11342-11347