1.本文通过船舶驾驶模拟实验，设计一种高效处理EEG信号，并进行自动判别船舶驾驶员处于何种程度疲劳的方法。可以推广到情绪、压力、工作量的检测，从而构建一个完整的船舶驾驶员生理监测系统。

2.本文通过DWT分析提取了关于疲劳的有效特征。考虑到实际应用时，人与人个体差异的存在，我们将不同受试者数据混合学习，模糊化差异。比较了5种基于DWT分析的疲劳特征分类算法效率，分别是：卷积神经网络（CNN）、支持向量机（SVM）、长短期记忆网络（LSTM）、随机森林（RF）、K近邻法（K-NN），结果发现RF分类准确率最高，最适合于船舶驾驶员疲劳模式识别。

3.通过24种融合特征的比较，大脑不同位置对于疲劳状态反映程度有差距；分类器对于清醒和疲劳状态的识别效率普遍高于“中性”区域。