基于人体节律性生理信号的驾驶分心研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 缩略词 | 第12-13页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 研究背景和意义 | 第13-15页 |
| 1.1.1 汽车安全问题是亟待解决的世界性难题 | 第13页 |
| 1.1.2 驾驶员是汽车安全的关键环节 | 第13-14页 |
| 1.1.3 驾驶分心的概念和成因 | 第14页 |
| 1.1.4 驾驶员提前响应有助于降低事故率 | 第14-15页 |
| 1.2 国内外研究现状及发展动态分析 | 第15-17页 |
| 1.2.1 研究趋势 | 第15页 |
| 1.2.2 国内外研究现状 | 第15-17页 |
| 1.2.3 发展动态分析 | 第17页 |
| 1.3 研究目的和主要工作 | 第17-19页 |
| 1.4 本章小结 | 第19-20页 |
| 第2章 机器学习理论 | 第20-33页 |
| 2.1 理论来源 | 第20-24页 |
| 2.1.1 学习与机器学习 | 第21页 |
| 2.1.2 机器学习的组成 | 第21-22页 |
| 2.1.3 典型算法及求解过程 | 第22-23页 |
| 2.1.4 损失函数（Cost函数） | 第23页 |
| 2.1.5 偏差函数（J(θ)函数） | 第23-24页 |
| 2.2 时间序列数据的分类问题解决方案 | 第24-25页 |
| 2.3 卷积神经网络 | 第25-29页 |
| 2.3.1 神经网络 | 第25页 |
| 2.3.2 神经网络的结构 | 第25-28页 |
| 2.3.3 卷积神经网络的结构 | 第28-29页 |
| 2.4 支持向量机 | 第29-32页 |
| 2.4.1 核函数 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 驾驶分心实验及数据处理 | 第33-57页 |
| 3.1 实验设计及实施 | 第33-43页 |
| 3.1.1 实验总体思路 | 第33-34页 |
| 3.1.2 驾驶模拟环境介绍 | 第34-36页 |
| 3.1.3 实验环境的搭建 | 第36-39页 |
| 3.1.4 多导生物记录仪及电极安装 | 第39-41页 |
| 3.1.5 生物电极的安装 | 第41-42页 |
| 3.1.6 驾驶分心任务设计 | 第42-43页 |
| 3.2 设计正交实验 | 第43-48页 |
| 3.2.1 正交实验原理和正交表 | 第43-45页 |
| 3.2.2 按正交实验流程设计实验 | 第45-47页 |
| 3.2.3 实验过程及极差分析 | 第47-48页 |
| 3.3 驾驶分心实验与数据采集 | 第48-50页 |
| 3.3.1 志愿者的选择 | 第48-49页 |
| 3.3.2 实验外部环境要求 | 第49页 |
| 3.3.3 人体生理数据传感器的标定 | 第49页 |
| 3.3.4 实验的过程 | 第49-50页 |
| 3.3.5 实验数据的导出与整理 | 第50页 |
| 3.4 实验数据分析 | 第50-55页 |
| 3.5 本章小结 | 第55-57页 |
| 第4章 驾驶分心预测模型与应用 | 第57-77页 |
| 4.1 用SVM和CNN做单信号分心识别 | 第57-70页 |
| 4.1.1 基于SVM和脑电的分类识别 | 第57-65页 |
| 4.1.2 基于CNN和脑电信号的分类识别 | 第65-70页 |
| 4.2 多通道生理信号模型训练 | 第70-71页 |
| 4.3 提出一种驾驶员智能实时监控框架 | 第71-75页 |
| 4.3.1 驾驶员实时监测系统的软件实现 | 第72-75页 |
| 4.4 本章小结 | 第75-77页 |
| 总结与展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82页 |
