基于多源生理信號的駕駛員疲勞檢測研究存在特征信息冗余以及佩戴多種傳感器影響駕駛員操作的問題。為此,提出一種結(jié)合粒子群優(yōu)化算法和序列后向選擇的特征選擇算法。在適應(yīng)度函數(shù)中加入信號源數(shù)的懲罰項,在降低特征維度的同時減少傳感器的使用數(shù)量。根據(jù)所使用分類器的特點對適應(yīng)度函數(shù)進行簡化,提高特征選擇算法的運行效率。在粒子定義中加入信號選擇位,提高信號的篩選力度。實驗結(jié)果表明,該算法平均使用2種信號和16. 1種特征,能夠獲得95. 3%的疲勞駕駛檢測正確率。 

【文章來源】：計算機工程. 2019,45(02)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

本文系統(tǒng)流程

鷂?vk+1id=wvkid+c1randk1(pbestkid－xkid)+c2randk2(gbestkd－xkid)(5)xkid=1，ρ＜11+exp(－vkid)xkid=0，{其他(6)其中，pbest是單個粒子的個體最優(yōu)解，gbest是全部粒子的全局最優(yōu)解，k為迭代次數(shù)，c1、c2為加速系數(shù)，rand1和rand2是介于0～1之間的隨機數(shù)，w為慣性系數(shù)，ρ在本文中取定值0．5�；赑SO和SBS相結(jié)合的特征選擇(PSO+SBS)流程如圖2所示。圖2PSO+SBS算法流程3．1．2SBS階段SBS從全集開始進行搜索，計算每個特征被單獨刪除時，對應(yīng)的新特征子集的適應(yīng)度，然后選擇其中適應(yīng)度最好的特征子集進入到下一次迭代。SBS階段的算法迭代步驟如下:步驟1確定SBS階段特征的全集Y0。步驟2在當(dāng)前特征子集中剔除一個特征x，x滿足如下公式:x=argminx∈Ykfitness(Yk－x)(7)其中，Yk－x表示Yk去掉特征x后的集合，k是迭代次數(shù)，fitness是特征集的適應(yīng)度值。本文中適應(yīng)度越小，特征集越理想。步驟3更新特征集和迭代次數(shù):Yk+1=Yk－x(8)k=k+1(9)步驟4重復(fù)步驟2、步驟3直到滿足終止條件。一般的SBS會在適應(yīng)度變差時就停止迭代。本文發(fā)現(xiàn)在SBS適應(yīng)度變差后，繼續(xù)迭代仍有機會獲得更優(yōu)解。故在本文中，在當(dāng)前特征子集只剩下一個特征時，SBS終止迭代并輸出迭代過程中出現(xiàn)的最優(yōu)解。3．2適應(yīng)度函數(shù)的定義及改進3．2．1原始的適應(yīng)度函數(shù)適應(yīng)度函數(shù)需要綜合考慮特征分類準(zhǔn)確率、特征數(shù)和信號數(shù)。本文使用的原始適應(yīng)度函數(shù)如下:fitness=e+α·nf+β·ns(10)其中，e為使用粒

數(shù)的懲罰系數(shù)取值與原始適應(yīng)度函數(shù)不同，取值為α=0．0005，β=0．004，其他參數(shù)意義相同。3．3粒子定義的改進適應(yīng)度函數(shù)考慮了特征子集使用的信號數(shù)。但是，在實際的測試中發(fā)現(xiàn)在原版的粒子定義方式下，特征選擇模型對使用信號數(shù)的懲罰系數(shù)不敏感。在逐步增大信號數(shù)的懲罰系數(shù)時，模型不能有效減少最終使用的信號數(shù)目。本文在粒子的定義上加入信號選擇位。假定數(shù)據(jù)中一共存在ns種信號和nf種特征，則定義每個粒子的長度為l=ns+nf，前ns位表示對應(yīng)信號是否選擇，后nf位表示特征是否被選擇，如圖3所示。在計算對應(yīng)解的適應(yīng)度函數(shù)時，使用前ns位對后nf位的編碼進行屏蔽。比如粒子的前ns位為［1，0，1，0］，則在計算適應(yīng)度函數(shù)時，只考慮后nf位中屬于第1種和第3種信號的特征，其余的特征不參與適應(yīng)度的計算。圖3粒子定義示意圖4實驗設(shè)計與采樣流程4．1實驗設(shè)備及信號采集模擬駕駛實驗的設(shè)備主要分為駕駛設(shè)備和數(shù)據(jù)采集設(shè)備2個部分。駕駛設(shè)備包括顯示器、方向盤、踏板、音響和駕駛座。數(shù)據(jù)采集設(shè)備包括加拿大生物反饋系統(tǒng)ProCompInfinti和配套的Biograph軟件。實驗采集的信號包括肌電、皮膚電傳導(dǎo)、呼吸和脈搏4種生理信號，采樣頻率為256Hz。不同的信號通過佩戴在不同位置的傳感器進行采集。肌電信號傳感器貼在被試的后頸部。呼吸信號傳感器通過彈力帶環(huán)系在胸口。皮膚電傳導(dǎo)傳感器綁在右手的食指和小拇指的指腹上，脈搏是左手小拇指指腹。4．2實驗對象實驗對象為5名在校男性學(xué)生，平均年齡為23．80±1．94歲，身體健康，無生理疾病和腦部疾病。實驗要求被試測試前一星期內(nèi)未服用任何藥物，24h內(nèi)不能飲酒，12h內(nèi)不飲用咖啡、功能性飲料，并在實驗之前

【參考文獻】：
期刊論文
[1]基于生理大數(shù)據(jù)的情緒識別研究進展[J]. 趙國朕,宋金晶,葛燕,劉永進,姚林,文濤.  計算機研究與發(fā)展. 2016(01)
[2]融合過濾和封裝方式的特征選擇算法[J]. 代旺,方昱春,李楊.  計算機工程. 2012(24)
[3]特征選擇算法研究綜述[J]. 毛勇,周曉波,夏錚,尹征,孫優(yōu)賢.  模式識別與人工智能. 2007(02)

碩士論文
[1]基于AR模型的腦電信號特征提取與識別[D]. 鄒清.中南大學(xué) 2008



本文編號：3210722