基于云模型的飞行员认知负荷分类方法研究
赵敏睿1
高虹霓1
王崴1
胡波1
瞿珏2
陈龙1
雷松贵1
1.空军工程大学防空反导学院,陕西西安7100512.空军工程大学防空反导学院,陕西西安710051;西北工业大学航空学院,陕西西安710072
摘要：目的 识别飞行员认知负荷状态,减少人为差错造成的事故.方法 设计模拟飞行任务,诱导22名受试者产生高、低2种认知负荷状态.依据眼动存在的随机性和模糊性,建立基于凝视时间和瞳孔直径的二维云模型,根据该眼动指标的数学特征,构建了40条定性判定规则.根据规则生成器原理,构建了云模型定性推理生成器,对110组实验数据进行判断.结果 受试者在高、低2种不同认知负荷下,凝视时间和瞳孔直径差异显著(P＜0.05),采用定性推理生成器对认知负荷进行判定,平均准确率达到78.95％.在同样训练数据情况下,识别准确率高于K最近邻(KNN)算法和支持向量机(SVM)算法.结论 定性推理生成器可有效识别认知负荷不同水平,且随受试者人数增加,识别率可进一步提高.
关键词：认知负荷人机交互云模型识别眼动定性推理生成器
分类号：R857.14(航空航天医学)
资助基金：国家自然科学基金(51675530)
论文发表日期：2020-04-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 120-127 )
英文信息