TY -的A2 - el - baz,扎非盟-胡,剑锋PY - 2017 DA - 2017/01/31 TI -比较不同的特性和分类器基于一个脑电图的驾驶员疲劳检测通道SP - 5109530六世- 2017 AB -司机疲劳已经成为全球交通事故的一个重要因素,而有效的检测驾驶员疲劳对公共卫生具有重要意义。目的方法采用熵特征提取办法从一个脑电图(EEG)通道。四种类型的熵措施,样本熵(SE),模糊熵(FE)、近似熵(AE)和谱熵(PE)部署原始EEG信号的分析和比较的十个最先进的分类器。结果表明,最优性能的单通道是通过使用通道CP4、特性有限元,随机森林分类器(RF)。最高精度可达到96.6%,能够满足实际应用的需要。频道+功能+分类器的最佳组合是科目的。在这部作品中,菲精度特性远远大于Acc的其他特性。使用分类器射频是最好的精度,而支持向量机分类器的线性内核是最差的。在Acc渠道选择的影响比较大。各种渠道的性能是非常不同的。 SN - 1748-670X UR - https://doi.org/10.1155/2017/5109530 DO - 10.1155/2017/5109530 JF - Computational and Mathematical Methods in Medicine PB - Hindawi KW - ER -