文件大小：1.11M
摘要：为探究矿工视觉搜索模式对隐患识别的影响机制，通过设计开展隐患识别视觉认知试验，利用眼动仪获取矿工眼动数据。运用Mann-Whitney U检验矿工各项眼动特征的差异，揭示视觉搜索眼动特征对隐患识别结果的影响；优选9项眼动指标作为特征向量，基于编辑最近邻规则欠采样与合成少数类过采样（Edited Nearest Neighbor-Synthetic Minority Oversampling Technique，ENN–SMOTE）算法、鲸鱼算法（Whale Optimization Algorithm，WOA）参数调优的支持向量机（Support Vector Machine，SVM），构建矿工隐患识别结果预测模型。结果显示：（1）矿工视觉搜索模式对隐患识别结果存在显著影响，正确识别隐患需要更长的注视与扫视持续时间、更多的注视和访问次数、更频繁的区域转移、更高效的初步扫描；（2）首次注视时间与注视持续时间百分比对隐患识别结果预测模型的贡献为负，但可作为识别高隐患识别绩效群体的眼动特征指标之一；（3）构建的WOA–SVM矿工隐患识别结果分类模型准确率达90.17%，精确率和召回率均大于90%，模型具备较高预测准确性和鲁棒性。
文章目录
0 引 言
1 隐患识别视觉认知试验设计
1.1 试验设备
1.2 试验被试
1.3 试验材料
1.4 试验流程
1.5 眼动特征选取
2 试验结果分析
2.1 显著性检验
2.2 视觉搜索模式对识别结果的影响
2.2.1 注视行为
2.2.2 扫视行为
3 基于WOA–SVM的隐患识别结果预测模型
3.1 模型构建
3.2 特征向量敏感度分析
3.3 基于ENN–SMOTE算法的不平衡数据集处理
3.4 参数调优
3.5 模型预测性能评估
4 结 论
