為了準確提取和分類視覺疲勞所引起的腦電特征,以此提醒過度用眼的工作人員及時休息,提出了多通道受限玻爾茲曼機算法和卷積神經網絡(CNN)算法結合的深度學習混合模型,利用該模型對枕葉區(qū)10個通道的腦電信號進行自動提取內在特征和分類。在基于SSVEP的視覺疲勞腦電數(shù)據集上進行評估,深度學習混合模型的平均準確率達到88. 63%,比傳統(tǒng)的特征提取和分類方法高10%。實驗結果證明了深度學習混合模型取得的分類效果較好,并且克服了傳統(tǒng)手動提取特征方法不全面的不足,對疲勞腦電的研究具有現(xiàn)實的意義。

【文章頁數(shù)】：6 頁

圖1受限玻爾茲曼網絡

圖2MCRBMs結構圖

圖3MCRBMs-CNN網絡結構

圖4視覺刺激器

本文編號：3889105