申请/专利权人:南京医科大学
申请日:2024-01-30
公开(公告)日:2024-04-26
公开(公告)号:CN117932441A
主分类号:G06F18/241
分类号:G06F18/241;G06F18/214;G06F18/243;G06N5/01;G06N20/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明公开了一种认知负荷分类识别方法,它包括以下步骤:S1、获取眼动与心率数据;其中眼动数据包括三类,分别为:注视数据,眨眼数据和瞳孔数据;S2、数据预处理,获得眼动追踪数据特征和心率特征,将所有特征划分为特征集;S3、特征集输入至认知负荷分类识别模型,输出认知负荷分类;所述认知负荷分类识别模型为:随机森林RF、支持向量机SVM、逻辑回归或人工神经网络中的一种。本发明提出了一种认知负荷分类识别方法和认知负荷反馈方法,为认知负荷分类识别提供了科学、精确、可再现的稳定算法,对患有早期AD风险的MCI患者研究提供积极的意义。
主权项:1.一种认知负荷分类识别方法,其特征在于它包括以下步骤:S1、获取眼动与心率数据;其中眼动数据包括三类,分别为:注视数据,眨眼数据和瞳孔数据;S2、数据预处理,获得眼动追踪数据特征和心率特征,将所有特征划分为特征集;S3、特征集输入至认知负荷分类识别模型,输出认知负荷分类;所述认知负荷分类识别模型为:随机森林RF、支持向量机SVM、逻辑回归或人工神经网络中的一种。
全文数据:
权利要求:
百度查询: 南京医科大学 认知负荷分类识别方法、认知负荷反馈方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。