El estado mental actual de una persona está estrechamente asociado con las características de frecuencia y dominio temporal de los impulsos espontáneos del electroencefalograma (EEG), que reflejan directamente las señales neurofisiológicas de la actividad cerebral. Los señales de EEG se utilizan en este estudio para medir la carga mental de los conductores mientras operan un vehículo. Se sugiere una técnica basada en el algoritmo genético cuántico (QGA) para mejorar los parámetros de la función kernel de la máquina de vectores de soporte multi-clase (MSVM). Se encontró que el rendimiento del algoritmo basado en el algoritmo genético cuántico es superior al de otras formas cuando se evalúan otros métodos y el algoritmo genético cuántico para la optimización de parámetros de la función kernel a través de simulación. Se aplica una máquina de vectores de soporte de multi-clasificación basada en el algoritmo genético cuántico (QGA-MSVM) para identificar la carga mental de los oceanógrafos a través de la colección y extracción de características de las señales de EEG durante experimentos de operación de simulación de conducción en un área de cuenca marina, un área de montaña submarina y un área hidrotermal. Incluso con un conjunto de datos limitado, QGA-MSVM puede identificar con precisión la carga cognitiva experimentada por los marineros oceánicos, con una precisión general del 91.8%.