[1] 经津, DANGREMONTA E, EBRAHIM S, GHASSEMI M, et al. 重症监护病人脑电数据的自动聚类分析(英文)[J]. 西北大学学报(自然科学版), 2018,48(1):6-9.
[2] 沈丽丽,孙伟鹏. 立体深度运动引发的立体视觉疲劳的脑电评估[J]. 工程科学学报, 2017,39(9):1421-1427.
[3] 吴志敏. 基于脑电信号的驾驶持续性注意水平识别方法研究[D]. 成都:西南交通大学, 2017.
[4] 于向洋. 基于脑电信号的脑疲劳状态研究[D]. 杭州:杭州电子科技大学, 2017.
[5] 付强. 基于脑电识别与车辆操纵特征的驾驶疲劳检测分析[J]. 电子测试, 2016(17):73-74.
[6] 金纯,曾伟. 基于脑电的实时疲劳监测算法的研究[J]. 科学技术与工程, 2015,15(34):231-234,241.
[7] 郭孜政,牛琳博,吴志敏,等. 基于EEG的驾驶疲劳识别算法及其有效性验证[J]. 北京工业大学学报, 2017,43(6):929-934.
[8] 谈玲. 基于小波变换的信号滤波和去噪研究[J]. 科技信息(科学教研), 2007(19):83,100.
[9] 张壹. 一种基于小波变换的脑电信号特征分析方法[C]// 中国仪器仪表学会全国测控、计量与仪器仪表学术年会论文集(下册). 2004:5.
[10]甘俊英. 核主元分析特征提取法的研究[C]// 中国电子学会信号处理分会、中国仪器仪表学会信号处理分会第十一届全国信号处理学术年会(CCSP-2003)论文集. 2003:4.
[11]徐宝国,宋爱国,费树岷. 在线脑机接口中脑电信号的特征提取与分类方法[J]. 电子学报, 2011,39(5):1025-1030.
[12]赵春临,郑崇勋,赵敏. 基于核学习算法的驾驶精神疲劳分级研究[J]. 数据采集与处理, 2009,24(3):335-339.
[13]韦振中. 基于核主成分分析的特征提取方法[J]. 广西工学院学报, 2006(4):27-31.
[14]高群霞. 基于EEG的睡眠分期与睡眠评估方法研究[D]. 广州:华南理工大学, 2015.
[15]周展鹏,孔万增,王奕直,等. 基于心电和脑电的驾驶疲劳检测研究[J]. 杭州电子科技大学学报, 2014,34(3):25-28.
[16]刘冲,于清文,陆志国,等. 基于最小二乘支持向量机的脑电信号分类[J]. 东北大学学报(自然科学版), 2016,37(5):634-637.
[17]王强,田学民. 基于KPCA-LSSVM的软测量建模方法[J]. 化工学报, 2011,62(10):2813-2817.
|