分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-07-09 合作期刊: 《计算机应用研究》
摘要: 精神疲劳是许多慢性疾病如心血管疾病、糖尿病和癌症的关键原因,然而又难以量化评估及测量,提出了一种通过智能穿戴设备检测脑力劳动者疲劳程度的工程可行性的方案。为了检测脑力疲劳程度,通过Man-Whitney U检验评估了HRV各项指标在判断精神疲劳状态的统计显著性,并使用随机森林进行特征选择以确定HRV各项指标的重要性;研究发现,最重要的HRV指标分别是NN。mean,PNN50、VLF、LF和TP。最后采用SVM、Naïve Bayes、KNN和逻辑回归四种机器学习算法对进行疲劳状态进行识别,实验证明了KNN分类器最为有效,其交叉验证准确率为75.5%和AUC为0.74。