计算机应用研究

作者：黄诗童,张威强,张朋柱,

单位：上海交通大学安泰经济与管理学院,上海200030；

关键词：精神疲劳检测,HRV,曼—惠特尼U检验,随机森林,机器学习,

基金：国家自然科学基金资助项目(91646205,71421002)；上海交通大学中央高校基本科研业务费资助项目(16JCCS08)；；

精神疲劳是许多慢性疾病如心血管疾病、糖尿病和癌症的关键原因，然而又难以量化评估及测量，提出了一种通过智能穿戴设备检测脑力劳动者疲劳程度的工程可行性的方案。为了检测脑力疲劳程度，通过Man-Whitney U检验评估了HRV各项指标在判断精神疲劳状态的统计显著性，并使用随机森林进行特征选择以确定HRV各项指标的重要性。研究发现，最重要的HRV指标分别是NN.mean、PNN50、VLF、LF和TP。最后采用SVM、na?ve Bayes、KNN和逻辑回归四种机器学习算法对疲劳状态进行识别，实验证明了KNN分类器最为有效，其交叉验证准确率为75.5%和AUC为0.74。

来源：2019年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第7期