声明
第1 章 绪论
1.1 疲劳驾驶研究背景与意义
1.2 疲劳驾驶状态识别方法的研究现状
1.2.1 主观评估法
1.2.2 基于生理反应的疲劳检测法
1.2.3 基于生理信号的疲劳检测法
1.2.4 基于驾驶行为的疲劳检测法
1.3 基于脑电(EEG)信号的疲劳驾驶状态识别方法研究
1.4 本文主要研究内容
1.5 本文组织结构
1.6 本章小结
第2 章 函数型数据分析与核主成分分析介绍
2.1 函数型数据分析方法简介
2.1.1 函数型数据分析概述
2.1.2 函数型数据分析的目的
2.1.3 函数型数据的函数表示
2.2 主成分分析与核主成分分析
2.2.1 主成分分析
2.2.2 核主成分分析
2.3 常见二个分类器简介
2.4 本章小结
第3 章 基于函数型数据分析的脑电信号特征提取方法
3.1 基于函数型数据分析的脑电信号描述
3.1.1 函数型数据分析中的基函数个数及其平滑因子选择
3.1.2 基于函数型数据分析的脑电信号形式化描述
3.2 基于函数型数据分析的脑电信号特征提取
3.2.1 函数型脑电信号的极值点及其选择
3.2.2 函数型脑电信号的极值差
3.2.3 函数型脑电信号特征表示
3.2.4 基于函数型数据分析的脑电信号特征提取算法
3.3 本章小结
第4 章 基于函数型数据分析和核主成分分析的疲劳驾驶状态识别方法
4.1 基于函数型数据分析和核主成分分析的疲劳驾驶状态识别框架
4.2 基于函数型数据分析和核主成分分析的疲劳驾驶状态识别过程
4.3 方法的测试与结果分析
4.3.1 测试数据集和测试评价指标
4.3.2 基于广义交叉验证的基函数个数与平滑因子的选择测试
4.3.3 未结合核主成分分析的疲劳驾驶状态识别方法的测试
4.3.4 结合了核主成分分析的疲劳驾驶状态识别方法的测试
4.4本章小结
第5 章 疲劳驾驶状态识别方法的稳定性分析
5.1 疲劳驾驶状态识别方法稳定性分析概述
5.2 未结合核主成分分析的疲劳驾驶状态识别方法的稳定性测试
5.3 结合了核主成分分析的疲劳驾驶状态识别方法的稳定性测试
5.4 基于前额电极的两个不同方法的对比测试
5.5 本章小结
第6 章 总结与展望
6.1 总结
6.2 展望
致 谢
参考文献
攻读学位期间的研究成果
南昌大学;