首页> 中文期刊>华东理工大学学报(自然科学版) >基于半监督极限学习机的精神负荷分类

基于半监督极限学习机的精神负荷分类

     

摘要

实时操作员的精神负荷(Mental Workload,MWL)监测系统对于自适应操作/辅助系统的设计和开发至关重要.虽然基于数据驱动的方法在M WL识别上已经表现出了较好的性能,但是这些方法难以获取大量的标签生理数据.本文比较了两种不同的特征提取方法:小波包变换和希尔伯特-黄变换的效果,试图将半监督极限学习机(Semi-Supervised Extreme Learning Machine,SS-ELM)应用于仅需要少量标签生理数据的操作人员精神负荷分类.实际数据分析结果表明,SS-ELM可以有效提高M WL模式分类的准确性和效率.由于无标签训练数据可以以较少的额外资源从操作员的自然操作中收集,所以利用无标签数据的半监督方法可以在时间和成本上提高模型开发的效率.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号