ترکیب بردارهای ویژگی برای افزایش کارایی یک سیستم ارتباط مغز-رایانه
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 649
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
TIAU01_211
تاریخ نمایه سازی: 14 شهریور 1393
Abstract:
سیستم ارتباط مغز-رایانه BCIبه عنوان یک راه ارتباطی نوین بین مغز و دستگاه خارجی، در دههای اخیربسیار مورد توجه قرار گرفته است. اساس کارBCIثبت سیگنالهای مغزی با یکی از روشهای تهاجمی(مانندECoGو یا غیر تهاجمی(مانندEEGو همچنین تفسیر حالات مختلف مغز و ساخت دستورات کنترلی برای دستگاههای خارجی میباشد. پیش پردازش، استخراج ویژگی ، کاهش ویژگی و کلاسبندی دادهها مراحل پردازش سیگنالهای مغزی هستند که در یک سیستمBCIاز اهمیت بسیاری برخوردار هستند. در این مقاله با استفاده ازپیاد هسازی گامهای پردازش سیگنالهای مغزی، نوع تصور حرکت تشخیص داده میشود و با استفاده از روش ترکیب ویژگیها و انتخاب ویژگیهای برتر، میزان خطای پیشبینی نوع حرکت، بهینه میگردد. لازم به ذکر است،در این مقاله از بانک دادهی شمارهIIBاز مسابقات ارتباط مغز-رایانه (سال 2008 میلادی) که از نه شخص ثبت شده است، استفاده میشود. پس از انجام گام پیش پردازش و حذف آرتیفکتهای سیگنال، بردارهای ویژگی توسط مدل پارامتری AAR ، AR تبدیل ویولت و فیلترCSPاستخراج م یشود. هدف اصلی در این مقاله بررسی میزان کارایی بردارهای ویژگی به صورت جداگانه و ارائه روشی برای افزایش کارایی سیستمBCIمیباشد؛ برای رسیدن بهاین هدف ابتدا تأثیر بردارهای ویژگی برای هر شخص با استفاده از کلاسبندی کنندهیSVMبررسی می گردد؛ سپس با ترکیب بردارهای ویژگی سیستمBCIمورد آزمایش قرار گرفته و برای افزایش کارایی آن، از روشهای انتخاب ویژگیهای برتر استفاده میشود. با بررسی جداول و شکلها به این نتیجه خواهیم رسید که میتوان با ترکیب بردارهای ویژگی، دقت کلاسبندی سیگنالهای مغزی مربوط به تصور حرکت را افزایش داد.
Keywords:
رابط مغز- رایانهBCI/ویژگی /کلاس بندی کننده /SVM/انتخاب ویژگی
Authors
ر سبحانی جنبه سرائی
گروه مکاترونیک ، دانشکده برق و رایانه و فناوری اطلاعات ، دانشگاه آزاد اسلامی واحد قزوین ، قزوین ، ایران
م.ر دلیری
گروه مهندسی پزشکی ، دانشکده مهندسی برق ، دانشگاه علم و صنعت ایران ، تهران ، ایران
ر ابراهیم پور
دانشکده مهندسی برق و کامپیوتر ، دانشگاه شهید رجایی ، تهران ، 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 :