[发明专利]一种自适应的精神疲劳评估装置及方法

权利要求书

1.一种自适应的精神疲劳评估方法，其特征在于：包括

1)采集脑电信号构成脑电样本；

2)对采集到的脑电信号进行低通滤波，提取δ、θ、α和β四个不同的脑电节律信号，然后以δ、θ、α三个节律信号的相对能量和能量比值作为各通道脑电信号的特征信息；

3)利用训练好的初始基分类器对在线采集到的脑电样本进行预测，通过多数投票的策略选择预测结果，对样本进行标记，给出当前的疲劳状态评估结果；

4)计算步骤3)中标记过的样本的置信度，从标记过的样本中选择具有高置信度的样本加入到临时训练集中；

5)利用更新的训练集重新训练三个基分类器，再利用更新后的基分类器对新采集的未标记脑电样本进行预测和标记；

利用训练好的初始基分类器对在线采集到的脑电样本进行预测，其中所述基分类器通过以下方式获取：

1)在疲劳或者不疲劳状态下采集脑电信号构成脑电样本，并对脑电信号所属状态进行标记，所属状态包括疲劳状态和非疲劳状态；

2)对采集到的标记了所属状态的脑电信号进行低通滤波，提取δ、θ、α和β四个不同的脑电节律信号，然后以δ、θ、α三个节律信号的相对能量和能量比值作为各通道脑电信号的特征信息；

3)对有标记的脑电样本组成的训练数据集进行多次样本抽取，产生不同的子训练集；选择Fisher辨别分析、基于高斯径向基核函数的核Fisher辨别分析和基于线性核函数的核Fisher辨别分析作为基分类器，利用不同的子训练集分别对三种基分类器进行训练，得到初始基分类器；置信度高低的判别方法为：

利用训练集中的样本确定类别1和类别2的置信度阈值，计算过程为：

a)分别按照由Fisher辨别分析、基于高斯径向基核函数的核Fisher辨别分析和基于线性核函数的核Fisher辨别分析所决定的投影方向对训练集中的样本进行投影，再分别计算投影空间中两类样本的均值M_ji，其中j＝1,2,3，分别代表三种投影方向，i＝1,2，代表两种类别；

b)分别在三种投影空间中，计算当前训练集中的各个样本与所属类别的类均值M_ji之间的欧式距离，然后分别计算两种类别的样本与所属类别的类均值之间的平均欧式距离D_j1和D_j2；

c)在各个投影空间中，计算类别1和类别2各自的置信度阈值C_ji＝W_ji*D_ji，其中，W_ji表示权系数；

在由对未标记样本进行预测时取得相同预测结果的两种分类器所决定的两个投影空间中，分别计算该样本的投影与投影空间中两类类均值之间的欧氏距离d_ji，如果在两个投影空间中，均有d_ji≤C_ji成立，则该样本属于高置信度样本；反之，如果在其中的任意一个投影空间中，有d_ji﹥C_ji成立，则认为该样本属于低置信度样本。

2.一种自适应的精神疲劳评估装置，其特征在于：包括第一脑电样本采集模块、第一特征信息提取模块、状态评估模块、训练集更新模块和分类器更新模块；

所述第一脑电样本采集模块，采集脑电信号构成脑电样本；

所述第一特征信息提取模块，对采集到的脑电信号进行低通滤波，提取δ、θ、α和β四个不同的脑电节律信号，然后以δ、θ、α三个节律信号的相对能量和能量比值作为各通道脑电信号的特征信息；

所述状态评估模块，利用训练好的初始基分类器对在线采集到的脑电样本进行预测，通过多数投票的策略选择预测结果，对样本进行标记，给出当前的疲劳状态评估结果；

所述训练集更新模块，用于计算标记过的样本的置信度，从标记过的样本中选择具有高置信度的样本加入到训练集中；

所述分类器更新模块，利用更新的训练集重新训练三个基分类器，再利用更新后的基分类器对新采集的未标记脑电样本进行预测和标记。