Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
Publisher of Iranian Journals and Conference Proceedings
عنوان
Paper

EEG-based driver drowsiness detection using optimized features and support vector machine

تعداد صفحات: 6 | تعداد نمایش خلاصه: 83 | نظرات: 0
سال انتشار: 1398
کد COI Paper: ICBME26_038
زبان Paper: Englishglish
(فایل این Paper در 6 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این Paper

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این Paper را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک Paper) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این Paper، ابتدا تعداد صفحات Paper را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل Paper

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 6 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 3,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان Paper EEG-based driver drowsiness detection using optimized features and support vector machine

Mohsen Hamidi - Department of Electrical Engineering Islamic Azad University, South Tehran Branch Tehran, Iran
Mansour Sheikhan - Department of Electrical Engineering Islamic Azad University, South Tehran Branch Tehran, Iran

چکیده Paper:

All over the globe, drowsiness is among the mainreasons for road accidents. Hence, well-time detection ofdrowsiness can save the lives of many people. The human brainis one of the best sources for drowsiness detection. To approachand simulate a real environment, this study employs the brainsignals recorded in a driving simulation environment, includinga set of 15 EEG channels associated with six male candidatesdeprived of sleep for almost 21 hours. Feature extraction fromsignals results in 16 features from Fourier transform in thestandard brain band (delta, theta, alpha, and beta) and 16features from a combination of wavelet and Fourier transformshaving 4 features in the standard brain bands or a mixture ofbands. Evolutionary algorithms were utilized to find the mostinformative features. Then, the data of consciousness, transientfrom consciousness to drowsiness, and drowsiness states wereapplied to support vector machine (SVM) with three classes andan RBF kernel, the settings of which were done usinggravitational search algorithm where 11 dominant features witha detection accuracy of %88.81 were obtained.

کلیدواژه ها:

feature selection; drowsiness detection; EEG signal; SVM

کد Paper/لینک ثابت به این Paper

برای لینک دهی به این Paper می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت Paper در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1011528/

کد COI Paper: ICBME26_038

نحوه استناد به Paper:

در صورتی که می خواهید در اثر پژوهشی خود به این Paper ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
undefined, undefined و undefined, undefined,1398,EEG-based driver drowsiness detection using optimized features and support vector machine,بیست و ششمین کنفرانس ملی و چهارمین کنفرانس بین المللی مهندسی‌ زیست پزشکی ایران,Tehran,,,https://civilica.com/doc/1011528

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این Paper اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398, Hamidi, Mohsen؛ Mansour Sheikhan)
برای بار دوم به بعد: (1398, Hamidi؛ Sheikhan)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

Research Info Management

Certificate | Report Paper

Export Citation info of this Paper to research management softwares

علم سنجی و رتبه بندی Paper

مشخصات مرکز تولید کننده این Paper به صورت زیر است:
نوع مرکز: azad university
تعداد مقالات: 9,074
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

New Suggested Papers

New RelatedPapers

Share this paper

WHAT IS COI?

COI is a national code dedicated to all Iranian Conference and Journal Papers. the COI of each paper can be verified online.

Support