简介:目的:通过对志愿者观看3D影片之后的脑电信号进行主成分分析,选取最能代表立体视觉疲劳度的主成分,运用BP神经网络对疲劳等级进行建模,提高对疲劳度等级的预测准确度。方法:采集15名志愿者观看五部不同3D影片前后的脑电信号,先对脑电信号进行疲劳度分级并选取特征通道;再对特征通道的脑电信号进行主成分分析选取影响最大的特征主成分,利用BP神经网络进行建模,根据建立的模型对立体视觉引起的疲劳等级进行预测,将预测结果与已知的疲劳等级进行对比。结果:根据文献中的疲劳等级将实验结果分成三个等级;据累计贡献率超过90%选取的前四个主成分建立的预测模型,准确度达95.4%。结论:运用主成分分析和BP神经网络的方法对立体视觉疲劳度进行预测,预测准确度较高,与直接根据脑电特征参数建立模型的方式相比简便和准确,这一方法对立体视觉引起的疲劳度分级及预测提供了新的思路。
简介:随着汽车的普及,城市交通问题日益突显,如安全事故频发、交通拥堵问题严重、环境污染加剧等。这些不仅是交通领域的难题,也是现代城市在建设和发展中亟待解决的问题。在这种形势下,人们提出了智能交通的概念,将互联网技术应用于交通建设和管理中,旨在为人们提供更加安全、高效、便捷的服务。随着智能交通的发展,智能汽车逐渐成为人们关注的焦点。很显然,汽车的智能化水平越高,对交通资源的利用能力就越强。可以说,智能汽车已经成为智能交通的重要组成部分,对于现代交通行业的发展产生直接影响。作为汽车行业内的资深人士,李海涛在智能汽车的研究方面积累了丰富的经验,他总是能够站在整个交通业的角度来思考问题,对智能汽车、智能交通的发展有着独到的见解。