مقایسه ویژگی های توانی و آماری ویولت در طبقه بندی و تفکیک سیگنال های انگیختگی از سطح سر
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 731
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
NEEREC07_006
Index date: 16 April 2014
مقایسه ویژگی های توانی و آماری ویولت در طبقه بندی و تفکیک سیگنال های انگیختگی از سطح سر abstract
هدف این مقاله استخراج ویژگی های آماری و توانی فرمان های حرکتی مغز جهت ارتباط انسان با رایانه می باشد. از آنجا که استخراج ویژگی ها یکی از مسائل مهم در طبقه بندی می باشد، هرچه ویژگی های استخراج شده اطلاعات بیشتری از خصوصیات مد نظر ما را داشته باشد طبقه بندی کننده حالت ذهنی عملکرد ودقت بهتری خواهند داشت. حرکت های مد نظر در این تحقیق تصور حرکت های دست راست و چپ می باشد. تبدیل ویولت به طور ویژه ای برای جداسازی سیگنال های غیر ایستان با ویژگی های فرکانسی متفاوت بکار می رود. در این تحقیق، تبدیل ویولت گسسته جهت بررسی فرکانس-زمانی سیگنال های EEGاستفاده می شود. این تبدیل بر پایه گذراندن سیگنال از دو فیلتر بالا و پایین گذر و سپسکاهشنمونه به دست می آید که این فرآیند می تواند در چند طبقه انجامگیرد. نتایج نشان می دهد ویژگی های توانی استخراج شده به تنهایی تا 87 % درصد و پس از آن ویژگی های توانی بهمراه ویژگی های آماری، تا حد بسیاری می تواند به طبقه بندی حالت های تصور ذهنی کمک کند
مقایسه ویژگی های توانی و آماری ویولت در طبقه بندی و تفکیک سیگنال های انگیختگی از سطح سر Keywords:
مقایسه ویژگی های توانی و آماری ویولت در طبقه بندی و تفکیک سیگنال های انگیختگی از سطح سر authors
ناصر ضیائی
دانشگاه آزاد اسلامی واحد کازرون ایران
علی رفیعی
دانشگاه آزاد اسلامی واحد کازرون ایران
محسن معصومی
دانشگاه آزاد اسلامی واحد کازرون 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 :