您的位置: 专家智库 > >

秦攀攀

作品数:2 被引量:0H指数:0
供职机构:华东理工大学信息科学与工程学院更多>>
发文基金:上海市浦江人才计划项目教育部留学回国人员科研启动基金国家自然科学基金更多>>
相关领域:医药卫生自动化与计算机技术更多>>

文献类型

  • 1篇期刊文章
  • 1篇学位论文

领域

  • 1篇自动化与计算...
  • 1篇医药卫生

主题

  • 2篇电生理
  • 2篇电生理信号
  • 2篇信号
  • 2篇支持向量
  • 2篇支持向量机
  • 2篇生理信号
  • 2篇最小二乘
  • 2篇最小二乘支持...
  • 2篇向量机
  • 1篇支持向量机方...
  • 1篇人机系统
  • 1篇人机
  • 1篇向量

机构

  • 2篇华东理工大学

作者

  • 2篇秦攀攀
  • 1篇张建华

传媒

  • 1篇航天医学与医...

年份

  • 1篇2012
  • 1篇2011
2 条 记 录,以下是 1-2
排序方式:
基于最小二乘支持向量回归建模方法的人机系统操作员功能状态分析
2012年
目的建立具有很强预测能力的数学模型来准确评估人机系统操作员功能状态(Operator Function-al States,OFS)。方法基于采集到的一系列操作员电生理信号及性能数据,采用最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)方法对OFS建模。通过网格搜索和10-折交叉验证方法对模型参数进行优化,并将LSSVM与基于遗传算法的模糊建模方法进行比较。结果模型基本能反映OFS的实际变化趋势,输出误差在可接受的范围之内且与基于遗传算法的模糊建模方法得到的模型输出误差相比较小。结论 LSSVM方法具有更好的泛化性能,将其用于OFS评估是有效的。
秦攀攀张建华
关键词:最小二乘支持向量机电生理信号
基于最小二乘支持向量机方法的复杂人机系统操作员功能状态建模与预测
对人机系统操作员功能状态(Operator Functional States, OFS)进行准确评估的关键在于建立具有很强预测能力的数学模型。本文基于采集到的一系列操作员电生理信号及性能数据,采用最小二乘支持向量机(L...
秦攀攀
关键词:最小二乘支持向量机电生理信号
文献传递
共1页<1>
聚类工具0