[發明專利]一種樣本與特征質量聯合量化評估的腦電疲勞檢測方法

有效

• 申請號: 202110317792.5
• 申請日: 2021-03-24
• 公開（公告）號: CN113143275B
• 公開（公告）日: 2022-04-26
• 發明（設計）人: 彭勇;李幸;張懌愷
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: A61B5/18
• 分類號: A61B5/18;A61B5/372;A61B5/369;A61B5/16
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 陳煒

1.一種樣本與特征質量聯合量化評估的腦電疲勞檢測方法，其特征在于：步驟1、對處于逐漸疲勞的過程中的多個被試者進行腦電數據采集；

步驟2、對步驟1所得的所有腦電數據進行預處理和特征提取；處理后的每一組數據均作為一個樣本矩陣X；每個樣本矩陣X均對應一個標簽向量y；標簽向量y對應受試者的疲勞程度；

步驟3、建立用于腦電疲勞檢測的機器學習模型；

3-1.建立嵌入有描述因子v和θ目標函數如式(1)所示；

式(1)中，描述因子θ根據描述矩陣Θ來確定，其具體關系為Θ_jj為描述矩陣Θ的第j個對角元素；θ_j為描述因子θ的第j個元素；和分別為最小二乘學習模型中的權重、偏差；Θ為描述矩陣；x_i為樣本矩陣X的第i列元素；yⁱ為標簽y的第i個元素；v_i為描述因子v的第i個元素，描述樣本矩陣中各樣本的質量；表示2范數的平方計算；γ表示正則項參數；f(λ,v)表示正則項函數；描述因子v和θ具有非負與歸一化特性；

3-2.建立正則項函數f(λ，v)的表達式如式(2)所示：

式(2)中，n為樣本矩陣中的樣本個數；λ為正則項函數f(λ，v)中的參數；

3-3.通過固定v、b，將式(1)改寫成如式(3)所示：

由拉格朗日乘子法可求得θ的最優解如(4)式所示：

式(4)中，θ_i為描述因子θ的第i個元素，描述各個特征的重要程度；為變量的第i個元素；

據此進一步將目標函數式(1)改寫成式(5)；

步驟4、根據如式(5)所示的目標函數，通過固定其他變量僅保留一個變量的方法來得到所有變量的更新規則，進而求得式(5)中的變量描述因子v、偏差b；

步驟5、對被試者進行腦電數據采集；將所得腦電數據測試集作為樣本矩陣輸入到確定v、θ、b的目標函數式(5)中，獲取該腦電數據對應的預測值標簽；預測值標簽即為檢測得到的被試者疲勞程度。

2.根據權利要求1所述的一種樣本與特征質量聯合量化評估的腦電疲勞檢測方法，其特征在于：步驟2中，通過讓被試者用模擬駕駛環境在一條筆直的道路持續模擬駕駛的方式來使得被試者逐漸疲勞。

3.根據權利要求1所述的一種樣本與特征質量聯合量化評估的腦電疲勞檢測方法，其特征在于：步驟2中所述的標簽向量y通過受試者在腦電數據采集過程中眼睛閉合的時長來確定；所述的標簽y以一個0-1之間的值來表示。

4.根據權利要求1所述的一種樣本與特征質量聯合量化評估的腦電疲勞檢測方法，其特征在于：步驟4中求v、b的具體過程如下；

4-1.通過固定b、來更新v，使得式(5)被寫成如式(6)所示；

式(6)中，令對式(6)中的v求導得到v的更新規則為；

其中，l_i為機器學習模型的損失函數，其表達式為

4-2.通過固定v來更新b，使得式(5)被寫成如式(8)所示；

令對角矩陣使得式(8)被寫成式(9)所示：

對式(9)中的b求導并且令導數為0，得到b的更新規則為式(10)：

b＝(U^TU)^-1(U^TU)(y-X^Tw) (10)

4-3.通過固定v、b來更新使得式(10)被寫成如式(11)所示；

令對角矩陣使得式(11)被寫成式(12)所示：

對式(12)中的求導并且令導數為0，得到的更新規則為式(13)：