TY - JOUR AU - Zeng, Hong AU - Yang, Chen AU - Zhang, Hua AU - Wu, Zhenhua AU - Zhang, Jiaming AU - Dai, Guojun AU - Babiloni, Fabio AU - Kong，基于light tgbm的驾驶员心理状态分类脑电图分析方法SP - 3761203 VL - 2019 AB -疲劳驾驶容易导致道路交通事故，给个人和家庭带来极大的危害。近年来，以脑电图(EEG)为基础的疲劳检测的生理和脑活动研究越来越多。然而，如何找到一种有效的方法或模型来及时有效地检测驾驶员的心理状态仍然是一个挑战。本文结合常用空间模式(CSP)，提出了一种基于梯度增强框架的脑电心理状态识别轻加权分类器LightFD。与支持向量机(support vector machine, SVM)、卷积神经网络(convolutional neural network, CNN)、门控循环单元(gated recurrent unit, GRU)和大边界最近邻(large margin nearest neighbor, LMNN)等传统分类器的比较结果表明，所提出的模型能够获得更好的分类性能和决策效率。此外，我们还验证了LightFD在驾驶员心理状态的脑电分类中具有更好的迁移学习性能。综上所述，本文提出的LightFD分类器在脑电心理状态实时预测方面具有较好的性能，有望在实际脑机交互(BCI)中具有广阔的应用前景。SN - 1687-5265 UR - https://doi.org/10.1155/2019/3761203 DO - 10.1155/2019/3761203