摘要
本发明公开了一种基于子空间距离的跨用户警觉度监测方法,解决了跨用户警觉度监测中的模态数据单一、相关性不足以及误差波动大的问题,实现方案:数据采集与预处理;构建跨用户警觉度监测模型;模型训练;用户警觉度监测。本发明使用源域与目标域特征,计算子空间距离、碱基错配惩罚与均方根误差作为模型总损失,最小化总损失训练模型,使用模型监测用户得到警觉度值。本发明通过使用多模态数据融合以及基于子空间距离的迁移学习算法,提高了跨用户警觉度监测过程中的精度与稳定性,降低警觉度监测误差,用于人机交互、交通驾驶、航空飞行等领域中对用户进行实时警觉度连续监测。
技术关键词
深层特征提取
监测方法
特征提取模块
融合特征
监测模块
卷积神经网络模块
多层感知机
跨用户
卷积神经网络级联
插值算法
输出特征
脑电信号预处理
误差
脑电特征提取
构建卷积神经网络
峰值检测方法
多模态数据融合
系统为您推荐了相关专利信息
环境监测方法
舱体
扩展卡尔曼滤波算法
高精度温湿度检定箱
半变异函数模型参数
稻田水产养殖
智能管理系统
环境监测模块
水质调控模块
水质调节设备
语义变化检测方法
变化检测模型
孪生神经网络
多任务
多层级特征
图像识别系统
脑肿瘤医学影像
语义特征
图像获取模块
输出特征