Fisher線性判別法在應激識別中的應用研究.pdf

1、隨著社會的迅速發(fā)展，人們面臨的應激(stress)因素越來越多，并日趨復雜，引起了國內外社會學家、心理學家和醫(yī)學家的廣泛關注。當我們無法處理所面對的高要求的任務時，精神應激就會出現。除了心理和軀體方面的癥狀，精神應激還會導致交通事故的發(fā)生。在地面交通領域，心理負荷過大可導致司機的警覺性降低，注意力轉移，信息處理速度變慢，最終導致交通事故。汽車駕駛是一項風險性較大的實踐活動，特別是在當前道路交通流量日益增大，“人車混行”狀況尚未得到根本改

2、善的情況下，交通環(huán)境變得更加復雜，因而由危險情景而引起的駕駛員應激反應不良而造成的交通事故占了很大比例。因此研究駕駛狀態(tài)下的應激有著重要的作用和意義。
　　本課題主要研究的是Fisher線性判別分析(FLDA，Fisher linear discriminantanalysis)在駕駛應激狀態(tài)識別和分類中的應用。課題選用了兩種與應激相關的生理信號，它們是心電圖(ECG，Electrocardiogram)和呼吸(RSP，Respi

3、ration)，用其分類識別高、中和低這三種應激狀態(tài)，并以美國PhysioNet提供的駕駛狀態(tài)下采集得到的這兩種生理數據為例，對數據經過重采樣、特征提取、特征選擇和最后的分類識別，完成對駕駛應激狀態(tài)的分類。主要完成了對傳統Fisher線性判別分析法的推廣和識別率優(yōu)化，使其能夠更好地適用于多類分類情況和解決由于類間離散度矩陣的秩等于1而造成的秩限制問題。
　　經過本課題的研究實踐，發(fā)現推廣的多方向Fisher線性判別分析法(MFLD