定性推理生成器在驾驶疲劳检测中的应用

疲劳驾驶是导致交通死亡事故的原因之一。为检测识别驾驶疲劳状态,该文鉴于人的眼动行为存在随机性及模糊性的特点,建立了基于"眼睛闭合时间比"(Per-clos)和眨眼时间均值的二维云模型,根据这2个眼动参数的云模型特征,构建了14条定性规则。依据二维单规则生成器,构造了二维多规则定性推理生成器。对60例数据,进行识别判断。结果表明:平均识别率达到73.98%。同组实验数据下,使用该方法比采用K最近邻(KNN)及支持向量机(SVM)分类算法的检测率要高。随着训练样本人数增多,生成器的识别率预计可进一步提高。

基于云模型的飞行员认知负荷分类方法研究

目的识别飞行员认知负荷状态,减少人为差错造成的事故。方法设计模拟飞行任务,诱导22名受试者产生高、低2种认知负荷状态。依据眼动存在的随机性和模糊性,建立基于凝视时间和瞳孔直径的二维云模型,根据该眼动指标的数学特征,构建了40条定性判定规则。根据规则生成器原理,构建了云模型定性推理生成器,对110组实验数据进行判断。结果受试者在高、低2种不同认知负荷下,凝视时间和瞳孔直径差异显著(P<0.05),采用定性推理生成器对认知负荷进行判定,平均准确率达到78.95%。在同样训练数据情况下,识别准确率高于K最近邻(KNN)算法和支持向量机(SVM)算法。结论定性推理生成器可有效识别认知负荷不同水平,且随受试者人数增加,识别率可进一步提高。