مقایسه ویژگی های مبتنی بر ضرایب ویولت در طبقه بندی سطح هوشیاری بالا
Publish place: 17th Iranian Conference on Biomedical Engineering
Publish Year: 1389
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 984
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICBME17_042
تاریخ نمایه سازی: 9 تیر 1392
Abstract:
تشخیص خودکار سطح هوشیاری بالا می تواند کمک شایانی به افرادی که کارهای یکنواخت و خسته کننده انجام می دهند بنماید.سیگنال EEG ک سیگنال مورد توجه و معتبر برای دست یابی به این مهم است. ویژگی های استخراجی از سیگنال EEG در تفکیک بین دسته های مختلف هوشیاری نقش کلیدی دارند. با توجه به پویا و غیرایستان بودن این سیگنال، استفاده از تبدیل ویولت به دلیل خواصمنحصر به فرد آن در تحلیل زمان-فرکانسمی تواند ویژگی های مناسبی معرفی نماید. در این تحقیق از تبدیل ویولت گسسته و آنتروپی ویولت در تحلیل سیگنال و استخراج ویژگی استفاده شده و برای این منظور ویولت های مادر متفاوتی با یکدیگر مقایسه شده و در نهایت از میان استخر ویژگی تشکیل شده، با استفاده از الگوریتم ژنتیک، ویژگی های بهینه برای معرفی به شبکه عصبی جهت طبقه بندی انتخاب شده است.
Keywords:
Authors
سیدمهدیار بامکی
کارشناس ارشد مهندسی پزشکی
محمدعلی خلیل زاده
استادیار گروه مهندسی پزشکی دانشگاه آزاد اسلامی واحد مشهد
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 :