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