机构名称：
¥ 1.0
眼目光跟踪传统上采用了相机来捕捉参与者的眼睛移动并表征其视觉固定。但是，凝视模式识别仍然具有挑战性。这既是凝视点的稀疏性，并且看似随机的方法参与者在没有设定任务的情况下以陌生的刺激来观看陌生的刺激。我们的论文提出了一种通过将固定的二维（x，y）坐标纳入一维希尔伯特曲线距离度量标准的二维（x，y）坐标，将眼睛注视到机器学习中的方法，使其非常适合实现机器学习。我们将这种方法与传统的基于网格的字符串替代技术进行比较，并在支持向量机和卷积神经网络中证明了实施示例。最后，将进行比较，以检查哪种方法的性能更好。结果表明，此方法既可以对大型数据集中的统计显着性进行动态量化扫描路径有用，又可以调查当参与者在免费观看实验中观察到的不熟悉刺激时，在共享自下而上处理中发现的相似性的细微差别。现实世界的应用程序可以包括与专业知识相关的眼光预测，医疗筛查和图像显着性识别。关键字：神经科学，眼动追踪，分形，支持向量机，卷积神经网络。
使用分形曲线将眼目光整合到机器学习中
主要关键词
相关文件推荐
