متینه زوار - گروه کامپیوتر، واحد قوچان، دانشگاه آزاد اسلامی قوچان، ایران
هادی قاسمی فرد - گروه مهندسی پزشکی-بیوالکتریک، واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی ، تهران، ایران

در این تحقیق با استفاده از سیگنالهای الکتروکاردیوگرام بیماران صرع جزئی، به تشخیص و طبقهبندی سیگنالهای صرعی و نرمال پرداخته شده است. در فرایند آشکارسازی در مرحله طبقهبندی، دادههای ورودی با استفاده از ترکیب فازی و ماشین بردار پشتیبان (FSVM) و ANFIS دستهبندی میشوند. ویژگیهای استخراج شده شامل ویژگیهای غیر خطی می باشند و در انتخاب وبژگیهای بهینه از الگوریتم ژنتیک برای FSVM و از مفهوم آنتروپی ومنطق فازی برای ANFIS استفاده شده است. نتایج پیاده سازیها بیانگر مؤثر بودن روش GAFSVM در دسته- بندی این مجموعه داده میباشد، بهطوریکه در بهترین حالت، میزان تفکیککنندگی 95.81 درصد بدست آمده است

الکتروکاردیوگرام ، سیگنال صرعی، فازی ماشین بردار پشتیبان، الگوریتم ژنتیک