作者：周佳苹; 张朋柱脑电仪疲劳智能识别健康管理特征选择秩和检验cart算法probit回归
摘要：为了实现疲劳状态智能识别，提出了基于可穿戴式脑电仪的疲劳识别健康管理方案，其首先需解决的问题是哪种频率的脑电波影响或呈现人体疲劳状态。研究采用Wilcoxon秩和检验、卡方检验、CART分类树和probit模型，分析 δ 脑电波（1-3 Hz）、 θ 脑电波（4-7 Hz）、 α 脑电波（8-13 Hz）、 β 脑电波（14-30 Hz）和疲劳的关系。研究发现 α波、β波、θ波及（α＋θ）/β、β/α 在疲劳和不疲劳状态下的表现都有显著差异。这些脑电波变量可呈现人体疲劳状态的差异，帮助疲劳状态的识别。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
