人机系统操作员功能状态(Operator Functional States, OFS)评估的核心在于对采集到的操作员电生理信号及性能数据的挖掘和知识发现。本文基于操作员电生理信号及性能数据,利用粒度计算的方法进行数据的挖掘,获取信息粒为建模提供有效信息。结合面向粒度计算的神经模糊系统(Neuro-Fuzzy system based on Granular Computing, GrC-NF)建模方法,对OFS进行预测建模,并将GrC-NF方法与自适应神经模糊推理系统(Adaptive Neuro-Fuzzy Inference System, ANFIS)方法用于OFS建模的结果进行比较。结果表明,GrC-NF方法在提高模型精度的同时具有更好的可解释性,将其用于OFS评估是有效的。在此基础上提出了多粒度层次的神经模糊系统(Neural-Fuzzy system based on Multi-Granular Computing, Multi-GrC-NF)建模,结果表明基于多粒度层次的神经模糊系统的建模具有更好的泛化能力和鲁棒性。
暂无评论