首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于眼动数据测量认知负荷水平

摘要第6-7页
Abstract第7-8页
第一章 引言第9-13页
    1.1 研究背景第9页
    1.2 研究目的与意义第9-10页
    1.3 研究内容及方法第10页
    1.4 章节安排第10-13页
第二章 认知负荷测量和眼动技术第13-19页
    2.1 认知负荷测量第13-16页
        2.1.1 认知负荷及其研究现状第13-15页
        2.1.2 认知负荷测量第15-16页
    2.2 眼动技术研究第16-18页
        2.2.1 眼动测量原理第16-17页
        2.2.2 眼动研究与认知负荷第17-18页
    2.3 本章小结第18-19页
第三章 通过眼动数据识别认知负荷状态第19-35页
    3.1 实验设计一第19-22页
        3.1.1 实验对象第19页
        3.1.2 实验设备第19-21页
        3.1.3 实验流程第21-22页
    3.2 眼动数据预处理第22-24页
        3.2.1 原始数据导出第22-23页
        3.2.2 删除异常数据第23-24页
        3.2.3 瞳孔数据预处理第24页
    3.3 特征显著性分析与去除特征被试间差异第24-30页
        3.3.1 T检验第25-26页
        3.3.2 特征筛选第26-27页
        3.3.3 去除特征的被试间差异第27-30页
    3.4 支持向量机识别认知负荷状态第30-34页
        3.4.1 支持向量机分类第30-32页
        3.4.2 分类结果与讨论第32-34页
    3.5 本章小结第34-35页
第四章 通过眼动数据测量认知负荷水平第35-53页
    4.1 实验设计二第35-37页
        4.1.1 实验对象第35页
        4.1.2 实验素材第35-36页
        4.1.3 实验方案第36-37页
    4.2 数据处理与特征分析第37-44页
        4.2.1 单因素方差分析第37-38页
        4.2.2 主观测量及绩效统计第38页
        4.2.3 特征提取第38-40页
        4.2.4 特征检验与特征分析第40-44页
    4.3 支持向量机多分类与结果第44-51页
        4.3.1 支持向量机多分类第44-47页
        4.3.2 特征选择策略第47页
        4.3.3 认知负荷水平识别第47-49页
        4.3.4 认知负荷水平的量化估计第49-51页
    4.4 本章小结第51-53页
第五章 总结与展望第53-55页
    5.1 本文工作总结第53页
    5.2 未来工作第53-55页
参考文献第55-61页
致谢第61-63页
攻读硕士期间已发表的学术论文第63页
攻读硕士期间参加的科研项目第63-65页
附录第65页

论文共65页,点击 下载论文
上一篇:配送中心多分拣区FRP建模及算法设计与分析
下一篇:水库移民文化信息工程—村服务站系统的设计与实现