基于眼动仪的飞行员疲劳判定方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-13页 |
| 1.1.1 民航安全与人为因素 | 第11-12页 |
| 1.1.2 航空人为因素中的疲劳问题 | 第12-13页 |
| 1.2 疲劳判定研究状况 | 第13-15页 |
| 1.2.1 国内疲劳研究现状 | 第13-14页 |
| 1.2.2 国外疲劳研究现状 | 第14页 |
| 1.2.3 国内外航空疲劳研究 | 第14-15页 |
| 1.3 论文结构与内容安排 | 第15-17页 |
| 1.3.1 研究内容 | 第15-17页 |
| 第二章 数据采集平台的搭建及数据采集 | 第17-27页 |
| 2.1 平台设备组成 | 第17-20页 |
| 2.1.1 微软模拟飞行软件 | 第17页 |
| 2.1.2 罗技G940驾驶设备 | 第17-18页 |
| 2.1.3 FaceLAB4.0 眼动设备组成 | 第18-20页 |
| 2.2 数据采集前的准备 | 第20-25页 |
| 2.2.1 位置标定 | 第20-21页 |
| 2.2.2 人脸建模 | 第21-24页 |
| 2.2.3 世界模型 | 第24-25页 |
| 2.3 眼动仪数据采集方法 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于二元信道的粗糙集属性约简 | 第27-41页 |
| 3.1 疲劳 | 第27-29页 |
| 3.1.1 疲劳现象 | 第27-28页 |
| 3.1.2 疲劳的分类 | 第28页 |
| 3.1.3 疲劳外在表现 | 第28-29页 |
| 3.2 FaceLAB4.0 眼动仪采集的数据 | 第29-34页 |
| 3.3 粗糙集理论 | 第34-37页 |
| 3.3.1 知识与决策系统 | 第34-36页 |
| 3.3.2 粗糙集的信息论描述 | 第36-37页 |
| 3.4 基于二元信道互信息的属性约简 | 第37-38页 |
| 3.4.1 二元信道互信息重要度度量 | 第37页 |
| 3.4.2 二元信道互信息属性约简算法 | 第37-38页 |
| 3.5 实验分析与应用 | 第38-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 基于BP神经网络的疲劳判定 | 第41-53页 |
| 4.1 BP神经网络 | 第41-49页 |
| 4.1.1 BP神经网络的理论基础 | 第41-42页 |
| 4.1.2 BP神经网络算法原理 | 第42-43页 |
| 4.1.3 BP神经网络学习算法 | 第43页 |
| 4.1.4 BP神经网络的训练 | 第43-49页 |
| 4.2 基于PERCLOS疲劳判定 | 第49-50页 |
| 4.3 仿真试验比较分析 | 第50-51页 |
| 4.4 结论 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录 | 第58-59页 |
| 攻读学位期间发表学术论文情况 | 第59页 |
