管制疲劳的眼动指标研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 管制疲劳国内外研究现状 | 第16-22页 |
| 1.2.1 疲劳的定义 | 第16-17页 |
| 1.2.2 管制疲劳影响因素研究 | 第17-19页 |
| 1.2.3 管制疲劳对策研究 | 第19-22页 |
| 1.3 本文的研究目的和内容 | 第22-24页 |
| 1.3.1 问题的提出 | 第22-23页 |
| 1.3.2 研究方法和研究内容 | 第23-24页 |
| 1.4 本章小结 | 第24-25页 |
| 第二章 眼动追踪及其在疲劳检测中的应用 | 第25-33页 |
| 2.1 眼动追踪原理 | 第25-27页 |
| 2.2 眼动追踪的常用指标 | 第27-28页 |
| 2.3 眼动指标在脑力疲劳检测中的应用 | 第28-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 模拟塔台管制疲劳实验 | 第33-38页 |
| 3.1 实验平台 | 第33-35页 |
| 3.1.1 模拟塔台管制软件 | 第33页 |
| 3.1.2 EyesoGlasses眼动仪 | 第33-34页 |
| 3.1.3 闪光融合频率计 | 第34-35页 |
| 3.2 实验被试 | 第35页 |
| 3.3 实验环境 | 第35-36页 |
| 3.4 实验任务 | 第36页 |
| 3.5 实验程序 | 第36-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 眼动数据处理与分析 | 第38-66页 |
| 4.1 数据筛选 | 第38-39页 |
| 4.2 数据分析 | 第39-64页 |
| 4.2.1 注视点与疲劳 | 第41-44页 |
| 4.2.2 平均注视时长与疲劳 | 第44-47页 |
| 4.2.3 扫视速度与疲劳 | 第47-50页 |
| 4.2.4 扫视幅度与疲劳 | 第50-53页 |
| 4.2.5 PERCLOS与疲劳 | 第53-55页 |
| 4.2.6 瞳孔直径与疲劳 | 第55-58页 |
| 4.2.7 瞳孔直径变异系数与疲劳 | 第58-61页 |
| 4.2.8 CFF与疲劳 | 第61-64页 |
| 4.3 指标汇总与筛选 | 第64-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 基于机器学习算法的管制疲劳检测模型构建 | 第66-75页 |
| 5.1 基于SVM的管制疲劳检测模型 | 第66-71页 |
| 5.1.1 SVM原理简介 | 第66-69页 |
| 5.1.2 SVM模型构建 | 第69-70页 |
| 5.1.3 SVM测试组准确率 | 第70-71页 |
| 5.2 基于BP神经网络的管制疲劳检测模型构建 | 第71-74页 |
| 5.2.1 BP神经网络原理简介 | 第71-72页 |
| 5.2.2 BP神经网络模型构建 | 第72-73页 |
| 5.2.3 BP神经网络测试组准确率 | 第73-74页 |
| 5.3 本章小结 | 第74-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 研究结果 | 第75页 |
| 6.2 论文的创新点 | 第75-76页 |
| 6.3 不足和展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-85页 |
| 附录A 英文缩写词对照表 | 第85-86页 |
| 附录B 卡罗林斯卡嗜睡量表(KSS) | 第86-87页 |
| 附录C 支持向量机SVM部分代码展示 | 第87-88页 |
| 作者简介 | 第88页 |
