基于EEG信号特征的脑力疲劳快速检测方法

空间站飞行过程中航天员容易产生脑力疲劳，其是影响作业效率和引起失误的主要因素。为此，研究人体脑力疲劳的快速检测方法，将有利于保障在轨运行安全。脑电波(EEG)的特征变化能够反映出大脑疲劳状态，但现有EEG方法分析脑力疲劳时需要多个导联的信号，这严重限制了其在空间站环境中的实际应用。通过地基实验，采用36 h睡眠剥夺的方式成功诱发出45名受试者的多种脑力疲劳状态。针对EEG信号的非平稳性，设计的8层db4小波变换结构，有效分解出了δ、θ、α和β脑节律波。先使用方差分析( ANOVA)和Logistic回归筛选出脑力疲劳敏感特征，再依据脑力疲劳敏感特征数量进一步筛选出脑力疲劳敏感导联，应用6个敏感导联的特征分别构建了随机森林回归模型。加权融合6个导联处的回归模型，形成脑力疲劳快速检测模型，其平均精确率高达85.25%。      

基于随机森林的物联网设备流量分类算法

物联网（IoT）设备流量分类对网络资产管理有重要意义，基于流量统计的分类技术是当前研究热点。已有算法主要基于流信息建立特征向量，而对数据包信息利用较少。改进了基于随机森林的物联网设备流量分类算法，基于流信息和流数据包信息共同建立特征向量。实验结果表明:所提算法与其他算法相比，所提算法的平均分类准确率由56%提高到82%，平均召回率由47%提高到67%，平均F₁得分由0.43提高到0.74，混淆矩阵对比也有明显提升，因此具备更好的分类效果。      

“珠海一号”高光谱数据城市不透水面提取研究

不透水面是评估城市化进程和评价城市环境的重要参考指标，研究城市不透水面的空间覆盖程度对城市生态环境保护、宜居城市建设具有重要意义。本文以“珠海一号”高光谱影像为数据源、珠海市陆域为研究区域，选取支持向量机和随机森林机器学习算法，结合光谱特征，实现城市不透水面信息提取。结果表明：使用“珠海一号”高光谱数据提取不透水面可行性较强，且支持向量机算法更适用于“珠海一号”不透水面提取，总体精度和Kappa系数分别达到92.4%、0.78；基于“珠海一号”高光谱数据进行城市不透水面提取，可为城市规划建设、分析城市土地扩张、评估城市灾害风险提供可靠理论依据和数据支撑。