[发明专利]一种航空驾驶舱工作负荷试验的被试人员筛选方法

摘要

一种航空驾驶舱工作负荷试验的被试人员筛选方法，即一种基于模糊神经网络的航空驾驶舱工作负荷试验的被试人员筛选方法，步骤如下：1：根据数据样本获得初始的知识表达系统；2：输入数据的预处理；本步骤过后，得到一个离散化的知识表达系统；3：进行知识约简获得最小决策集；4：在得到约简后的最小决策集后，进一步处理得到推广的模糊系统模型；5：定义优化性能指标；通过以上步骤，本发明达到了同时使用定量数据和定性数据对被试进行筛选的效果，解决了在航空人机交互实验中被试在实验开始前状态不一致的问题；它能对被试人员的工作负荷有一个好的评定，完善了航空人机交互实验的实验流程，具有很高的实用价值。

主权项

1.一种航空驾驶舱工作负荷试验的被试人员筛选方法，即一种基于模糊神经网络的航空驾驶舱工作负荷试验的被试人员筛选方法，其特征在于：其实施步骤如下：步骤1：根据数据样本获得初始的知识表达系统；这代表着需要使用标准模式建立包含输入与输出的知识表达系统；步骤2：输入数据的预处理；对于定性输入和输出来说这意味着离散化该变量以得到数值类型，有许多能用的离散化方法，如区间法、模糊方法、聚类分析方法和基于熵的离散化方法；对于定量输入和输出，使用模糊决策离散方法进行模糊划分，划分为不同的模糊子集，并对每个模糊子集赋予相应的离散值，并选取对于属性值具有最大模糊隶属函数值的模糊子集所对应的离散值作为其离散值；本步骤过后，得到一个离散化的知识表达系统；步骤3：在离散化知识表达系统的基础上，需要进行知识约简获得最小决策集；为了获得最小的决策集，需要处理知识表达系统，首先排除不相容的规则并删除冗余规则；其次对于具有相同条件但是具有不同输出的知识表达条目，保留其具有高可信度的规则，并删除低可信度的规则，以消除规则集合中出现不相容规则的属性；步骤4：在得到约简后的最小决策集后，利用该决策集，参考模糊推理加权求和法的模糊系统模型，能进一步处理得到推广的模糊系统模型：公式中y_k代表输出参数，μ_k代表第k条规则的置信度系数；输入层能计算两种类型的输入:定量输入和定性输入；存在两种类型的神经元分别处理不同类型的输入；其中，数值输入使用模糊方法，而每个节点通过高斯函数作为隶属度函数：其中m_ki和σ_ki是隶属度函数的中点和宽度；对于定性参数，其隶属度函数看作是常量；第三层是规则层；每个节点都能看作是一个乘法器，它计算第k条规则的置信度，即计算决定第k条规则的所有条件属性的隶属度的乘积；第四层是决策层，这意味着利用相应的规则将其结果进行输出；步骤5：定义优化性能指标；神经网络会根据这个指标对相应值进行优化迭代，在达到相应的迭代次数及精度要求后会停止迭代过程；基本反向传播即BP方法的收敛速度较慢,并存在局部最小问题,因此我们采用L‑M方法来提高网络训练速度；L‑M方法是最速下降法和牛顿法相结合的一种方法,既能提供牛顿法的速度又保证通过最速下降法的收敛；其迭代学习方法如下：6_k+l＝θ_k‑[A^TA+μ_kI]^‑1A^Te其中A为雅克比即Jacobian矩阵,包括网络误差项相对于权值的一阶微分；当比例系数μ_k较大时,该方法接近最速下降法,而当下降到0时,该方法变成牛顿法；迭代时每成功一步,减小一些,μ_k这样在接近误差时,该方法与牛顿法逐渐相似,而牛顿法在误差较小时计算速度很快。