期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于装配任务与EEG功率信息特征的操作员认知负荷研究 被引量:4
1
作者 孟荣华 李子奇 +3 位作者 吴正佳 杜轩 董元发 李浩平 《机械设计》 CSCD 北大核心 2022年第11期60-70,共11页
操作员认知负荷水平的准确分类,对优化企业生产可靠性指标,提高产品质量与效率具有极其重要的意义。现有认知负荷研究大多集中在航空或交通领域,而在机械装配领域研究较少,一般采用基于生理信号与设备信息构建分类模型的方法进行研究,... 操作员认知负荷水平的准确分类,对优化企业生产可靠性指标,提高产品质量与效率具有极其重要的意义。现有认知负荷研究大多集中在航空或交通领域,而在机械装配领域研究较少,一般采用基于生理信号与设备信息构建分类模型的方法进行研究,但未针对认知负荷数据特征对分类模型进行改进,分类精度不高。为解决上述问题,设计基于多复杂度减速器装配场景的N-Back次任务脑电试验,收集了主观评价数据、装配数据和脑电信号,分析了数据与认知负荷之间的内在联系,利用机器学习算法,构建了基于互信息量的随机森林模型,实现了复杂装配系统操作员认知负荷的分类评估。结果表明:各特征因素对操作员认知负荷均有显著影响,且随认知负荷增加呈现规律性变化,认知负荷试验设计合理;基于互信息量的随机森林模型分类效果显著优于其他分类模型,多维特征可有效降低算法欠拟合能力,提高分类精度。 展开更多
关键词 认知负荷 多维信息特征 随机森林算法 模式识别
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部