آزمون دروغ سنجی بر اساس پردازش آشوبناک سیگنال الکتروانسفالوگرام مبتنی بر نگاشت بازرخداد فازی

Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 210

This Paper With 19 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_PADSA-10-2_008

تاریخ نمایه سازی: 24 بهمن 1401

Abstract:

آزمون دانش گناهکار مبتنی بر سیگنال الکتروانسفالوگرام، یکی از پرکاربردترین روش های دروغ سنجی به شمار می رود. نگاشت بازرخداد به عنوان یکی از روش های پردازش آشوبناک در دروغ سنجی مورد استفاده قرار گرفته است. از جمله چالش های مهم این روش، انتخاب آستانه مناسب برای تعیین وقوع بازرخداد حالات سامانه در فضای فاز است که انتخاب نامناسب آن کارایی این روش را تحت تاثیر قرار می دهد. در این مقاله به منظور حل این چالش از نگاشت بازرخداد فازی استفاده شده است. این نگاشت، تک ثبت های سیگنال الکتروانسفالوگرام را به تصویر بافت خاکستری تبدیل می کند. سپس ویژگی های بافت تصویر بر اساس روش ماتریس رخداد هم زمان درجه خاکستری استخراج و با استفاده از مدل K-نزدیک ترین همسایگی طبقه بندی می شود. نتایج حاصل از طبقه بندی این بردار ویژگی با طول ۴ با صحت ۹۰ درصد بیانگر برتری این روش نسبت به روش متداول نگاشت بازرخداد با طول بردار ویژگی ۱۳ است. این کاهش بعد در بردار ویژگی منجر به افزایش سرعت آموزش، آزمون و تعمیم پذیری طبقه بند K-نزدیک ترین همسایگی به عنوان یک طبقه بند تنبل می شود. علاوه بر این، رویکرد پردازش تک ثبت مبتنی بر سوژه که در این مقاله درنظر گرفته شده است نیاز به وجود مجموعه داده ای از سوژه های مختلف را برطرف کرده و برای تشخیص راستگویی و دروغگویی سوژه صرفا به دادگان همان سوژه نیاز است.

Authors

سکینه رضوی

دانشجوی کارشناسی ارشد، دانشکده علوم و فناوری های نوین، دانشگاه سمنان، سمنان، ایران

امین جانقربانی

استادیار، دانشکده علوم و فناوری های نوین، دانشگاه سمنان، سمنان، ایران

محمدباقر خدابخشی

استادیار، دانشکده مهندسی پزشکی، دانشگاه صنعتی همدان، همدان، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • N. R. Council and T. Polygraph, The Polygraph and Lie ...
  • L. A. Farwell and E. Donchin, “The Truth Will Out: ...
  • J. P. Rosenfeld, J. Ellwanger, and J. Sweet, “Detecting Simulated ...
  • Z. amini, V. Abootalebi, and M. T. Sadeghi, “Evaluation and ...
  • J. P. Rosenfeld, “Event-Related Potentials in the Detection of Deception, ...
  • A. H. Mehrnam, A. M. Nasrabadi, M. Ghodousi, A. Mohammadian, ...
  • J. Gao, H. Tian, Y. Yang, X. Yu, C. Li, ...
  • V. Abootalebi, M. H. Moradi, and M. A. Khalilzadeh, “A ...
  • M. A. Mubeen and K. H. Knuth, “Evidence-Based Filters for ...
  • V. Abootalebi, M. H. Moradi, and M. A. Khalilzadeh, “A ...
  • L. A. Farwell and E. Donchin, “The Truth Will Out: ...
  • A. Arasteh, M. H. Moradi, and A. Janghorbani, “A Novel ...
  • N. Saini, S. Bhardwaj, and R. Agarwal, “Classification of EEGSignals ...
  • V. Abootalebi, “Computer Brain Communication (BCI) Using ERP Cognitive Components,” ...
  • A. Turnip, M. F. Amri, H. Fakrurroja, A. I. Simbolon, ...
  • M. R. Bhutta, M. J. Hong, Y. H. Kim, and ...
  • J. F. Gao et al., “Exploring Time-and Frequency-dependent Functional Connectivity ...
  • C. Saavedra, R. Salas, and L. Bougrain, “Wavelet-based Semblance Methods ...
  • L. Hu, A. Mouraux, Y. Hu, and G. D. Iannetti, ...
  • N. Marwan, N. Wessel, U. Meyerfeldt, A. Schirdewan, and J. ...
  • J. P. Eckmann, O. Oliffson Kamphorst, and D. Ruelle, “Recurrence ...
  • N. Marwan, N. Wessel, U. Meyerfeldt, A. Schirdewan, and J. ...
  • I. Gruszczyńska, R. Mosdorf, P. Sobaniec, M. Żochowska-Sobaniec, and M. ...
  • N. Marwan, M. Carmen Romano, M. Thiel, and J. Kurths, ...
  • M. Thiel, M. C. Romano, J. Kurths, R. Meucci, E. ...
  • J. P. Zbilut, J. M. Zaldivar-Comenges, and F. Strozzi, “Recurrence ...
  • G. P. King and I. Stewart, “Phase Space Reconstruction for ...
  • F. Takens, “Detecting Strange Attractors in Turbulence,” In Springer, ۱۹۸۱, ...
  • S. Wallot and D. Mønster, “Calculation of Average Mutual Information ...
  • N. Marwan, A. Groth, and J. Kurths, “Quantification of Order ...
  • N. Marwan, “How to Avoid Potential Pitfalls in Recurrence Plot ...
  • N. Marwan, J. F. Donges, Y. Zou, R. V. Donner, ...
  • M. Javorka, Z. Trunkvalterova, I. Tonhajzerova, Z. Lazarova, J. Javorkova, ...
  • T. D. Pham, Fuzzy Recurrence Plots and Networks with Applications ...
  • İ. Cantürk, “Fuzzy Recurrence Plot-based Analysis of Dynamic and Static ...
  • T. D. Pham, “From Fuzzy Recurrence Plots to Scalable Recurrence ...
  • E. Ghanbari Maman and M. Ebrahimi Moghaddam, “Offline text-Independent Persian ...
  • O. Rajadell, P. García-Sevilla, and F. Pla, “Textural Features for ...
  • P. D. Mryka Hall-Beyer, “GLCM Texture: A Tutorial,” ۱۷th Int. ...
  • A. Janghorbani and M. H. Moradi, “Fuzzy Evidential Network and ...
  • M. Pelikan, “Hierarchical Bayesian Optimization Algorithm: Toward a New Generation ...
  • N. Saini, S. Bhardwaj, and R. Agarwal, “Classification of EEG ...
  • نمایش کامل مراجع