[发明专利]一种基于投票分类器的视觉诱导晕动症检测方法

摘要

本发明提供一种基于投票分类器的视觉诱导晕动症检测方法，包括使用头戴设备Muse的四个通道采集受试者在驾驶车辆驾驶模拟器过程中诱发产生的EEG数据及从受试者的口头报告中采集主观VIMS级别数据的步骤，对数据依次进行滤波、标准化、数据均衡和PCA降维的数据预处理步骤，以及采用由RF分类器、SVM分类器、KNN分类器和XGBoost分类器组成的投票分类器进行分类的VIMS级别分类步骤。本申请采用头戴设备Muse采集连续的EEG数据，因而成本较低，采集数据的通道数较少，且采用投票分类器分类无论在准确率上还是在Kappa指标上都取得了很好的分类性能，对于VIMS症状的检测效果更具有客观性。

主权项

1.一种基于投票分类器的视觉诱导晕动症检测方法，其特征在于，所述方法包括以下步骤：S1、数据采集：使用头戴设备Muse的FP1、FP2、TP9和TP10四个通道采集受试者在驾驶车辆驾驶模拟器过程中诱发产生的EEG数据，并从受试者的口头报告中采集主观VIMS级别数据，将VIMS级别数据作为EEG数据相关的标签；S2、数据预处理：S21、滤波：先使用巴特沃斯滤波器对EEG数据进行频域滤波，再使用时间窗对EEG数据下采样进行时域滤波；S22、标准化：采用最大‑最小归一化方法对滤波后的EEG数据进行标准化，使所有EEG数据都被映射到[0，1]；S23、数据均衡：采用SMOTE算法对EEG数据进行上采样，使无晕动症的样本数据和有晕动症的样本数据达到均衡；S24、PCA降维：采用PCA算法作为特征选择器来对EEG数据特征进行降维，去除冗余和降低分类器性能的无关特征；S3、VIMS级别分类：在由RF分类器、SVM分类器、KNN分类器和XGBoost分类器组成的投票分类器中，每个基分类器根据分类准确度分配一个权值，投票分类器根据每个基分类器的分类结果进行分类，选择概率最大的类别作为EEG数据的最终分类结果。