طراحی یک روش کارآمد در طبقه بندی تصور حرکتی سیگنال های EEG با استفاده از الگوریتم ژنتیک و موتور استنتاج فازی-ماشین بردار پشتیبان

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 699

This Paper With 12 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICTCK02_026

تاریخ نمایه سازی: 8 آبان 1395

Abstract:

همواره طراحی بخش نرم افزاری یک سیستم BCI که به طور معمول با صحت طبقه بندی کم همراه است، از مشکلاتپیشروی محققین محسوب میشود. در این مقاله، برای تشخیص تصور حرکت دست راست و دست چپ، ویژگی هاییشامل بعد فرکتال و روش کتز (Katz) و هیگوچی (Higuchi) استخراج می شوند. در گام نخست جهت افزایش دقت طبقه بندی، ویژگی های استخراج شده با تکیه بر روش خوشه بندی درخت تصمیم بازآرای و چینش می گردند. داده های خوشه بندی شده دارای ابعاد بالایی هستند و از این رو الگوریتم تکاملی ژنتیک به انتخاب بهترین ویژگی ها می پردازد. در نهایت این طبقه بند فازی-ماشین بردار پشتیبان (FSVM) است که داده های کاهش بعد داده شده را با صحت طبقه بندی بالاتر از 87 % کلاسه بندی میکند و تصور حرکتی دست راست را با ضریب اطمینان قابل قبولی از تصورحرکتی دست چپ تفکیک می سازد. نتایج حاصل آمده، نمایانگر عملکرد کارآمد سیستم خودکار تفکیک کننده بخش BCI است و این ادعا با محاسبه ضریب همبستگی میسر شده است. بکارگیری این الگوریتم در بخش نرم افزاری BCI میتواند تا حد گستردهای در کمک به افرادی که با ناتوانایی های حرکتی و یا معلولیت دست و پنجه نرم می کنند، اثرگذار باشد.

Keywords:

رابط مغز رایانه (BCI) , ویژگی های فراکتال , الگوریتم ژنتیک , درخت تصمیم , طبقه بند فازی-ماشین بردار پشتیبان (FSVM)

Authors

مریم عزیزی

گروه مهندسی پزشکی، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران

مهدی آذرنوش

گروه مهندسی پزشکی، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، 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 :
  • -Semiه 25.G. Fung, O. _ Mangasarian, Supervised Support Vector Machines ...
  • R. Leeb, F. Lee, C. Keinrath, R. Scherer, H. Bischof, ...
  • communic ation: motivation, aim, and impact of exploring a virtual ...
  • Wriessnegger, G. Pfurtscheller, "Comparison of DFT and lock-in amplifier features ...
  • G Schalk, P Brunner, L. A. Gerhardt, H. Bischof, J. ...
  • W. Y. Hsu, "EEG-based motor imagery classification using neuro-fuzzy prediction ...
  • Neuroscience Methods, Vol. 189, No. 2, pp. 295-302, 2010. ...
  • R. Ortner, B. Z. Allison, G. Korisek, H. Gaggl, G. ...
  • A.Frisoli, C. Loconsole, D. Leonardis, F. New Gaze-B CI-Driven A:ه ...
  • Cybernetics, Part C: Applications and Reviews, Vol. 42, No. 6, ...
  • D. P. Burke, S. P. Kelly, P. Chazal de, R. ...
  • C. Guger, G. Edlinger, W. Harkam, I. Niedermayer, G. Pfurtscheller, ...
  • Neural Syst Rehabil Eng, Vol. 11, pp.145-7, 2003. ...
  • B. B. Mandelbrot Fractal geometry of nature. San Francisco Freeman ...
  • Comput Biol Med, Vol. 38, No. 3, pp. 372-8, 2008. ...
  • G. Henderson, E. Ifeachor, N. Hudson, C. Goh, al, ...
  • _ _ _ ctro enc ephalogram _ IEEE Trans Biomed ...
  • L. Rankine, N. Stevenson, M. Mesbah, B. Boashash, _ nonstationary ...
  • S. R. Davies, C. J. James, "Novel use of Empirical ...
  • W. Y. Hsu, "Single-trial motor imagery classification using asymmetry ratio, ...
  • S. Bhattacharyya, A. Sengupta, T. Chakraborti, feature Automatic؛ه A. Konar, ...
  • A.Atyabi, M. H. Luerssen, D. M. W. Powers, :PSO-based dimension ...
  • BCI" Neuro computing, vol. 119, pp. 319-331, 2013. ...
  • R. Corralejo, R. Hornero, D. Alvarez, :Feature selection using a ...
  • Bermudez, J. Roca-Dorda X. "Exploring dimensionality reduction of EEG features ...
  • Yu, P. Chum, K.-B. Sim, "Analysis the effect of PCA ...
  • S. Siuly, Y. Li, P. Wen, "Modified CC-LR algorithm with ...
  • L. He, Y. Hu, Y. Li, D. Li, :Channel selection ...
  • S. Tong, N. V. Thankor, Quantitative EEG analysis methods and ...
  • M. Kantardzic, Data Mining: Concepts, Models, Methods, and Algorithms, John ...
  • O. Chapelle, B. Scholkopf, A. Zien, Semi- supervised learning. Cambridge, ...
  • _ A _ Kyri akopoulou, T. Kalamboukis, "Using clustering to ...
  • Development in Information Retrieval, pp. 805-806, 2007. ...
  • C.F. Lin, S. D. Wang, "Fuzzy support vector machines", IEEE ...
  • U. Gisli, Y. Gicglitirk, C. Kiong Loo, :Evaluation of fractal ...
  • نمایش کامل مراجع