基于级联森林和多模态融合的脑力疲劳识别算法

作者：邓浩伟; 侯月皎; 张朝月; 徐慕华; 朱玲玲; 赵永岐

来源：北京航空航天大学学报, 2023, 1-12.

DOI：10.13700/j.bh.1001-5965.2023.0030

• 脑力疲劳
• 多模态融合
• 级联森林
• EEG
• ECG

脑力疲劳是影响人的认知功能和工作效率的重要因素。脑电、心电等生理信号由神经系统支配，能够反映人体脑力疲劳的变化，具备很高的真实性和客观性。但目前没有公开的与脑力疲劳相关的多模态融合数据库，同时，脑力疲劳识别中常用的脑电信号，其采集设备通常需要覆盖大面积的头皮区域，在实际应用中易对人体造成负担和活动限制。因此，在成功诱发出14位被试的脑力疲劳之后，采用四导联脑电信号与心电信号融合，获取多模态融合特征，输入级联森林模型完成脑力疲劳识别任务，最终在小样本数据上实现了99.60%的平均识别率。

• 单位
  中国人民解放军军事科学院; 合肥工业大学