基于Stacking模型融合策略的脑力负荷等级评定方法

脑力负荷是一种新兴的可以反应操作者认知状态的指标,其与事故风险及工作效率密切相关,所以实时且准确地评估操作者脑力负荷等级具有重要意义。Stacking模型融合策略可以较好地融合不同分类器与不同特征的学习能力。基于8名参与者的脑电生理信号以及Stacking模型融合策略,设计了3种新型模型进行脑力负荷等级判别。在对新模型进行训练与预测的同时,将其与其它主流分类器进行性能对比。实验结果显示,二维融合模型性能提升最为明显。