تفکیک افراد مستعد به الکلیسم از افراد غیر مستعد بر مبنای پتانسیلهای وابسته به رخداد، به کمک ماشینهای بردار پشتیبان و ویژگیهای آماری ویولت

Publish Year: 1385
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,272

This Paper With 8 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICBME13_036

تاریخ نمایه سازی: 31 خرداد 1387

Abstract:

در این مقاله با استفاده از پتانسیل های وابسته به رخداد غیر تطبیقی جمع آوری شده توسط لستر اینگبر در پایگاه داده دانشگاه کالیفرنیا، و توسط ابزار پردازش سیگنال و هوش محاسباتی سعی بر تفکیک بین داده های دو دسته کنترل و الکلیسم موجود می نماییم. در این راستا با استفاده از تبدیل ویولت و معیارهای آماری ضرایب ویولت به دست آمده به عنوان ویژگی و به کمک ماشینهای بردار پشتیبان نشان می دهیم که می توان به کمک روش permute cross validation جهت آموزش بهتر و انتخاب پارامترهای بهینه برای کرنل، نتایجی قابل قبول و بهتر از تحقیقات قبلی به دست آورد، به طوری که در بهترین حالت میانگین میزان تفکیک کنندگی هر دو دسته در حدود 89 درصد می گردد. همچنین نشان داده ایم که با استفاده از طبقه بندی کننده بر مبنای رای اکثریت به عنوان تصمیم گیرنده ثانویه می توان میزان تفکیک پذیری میانگین برای دو دسته را به 92 درصد افزایش داد.

Keywords:

الکلیسم , ERP , ویولت , ماشینهای بردار پشتیبان , طبقه بندی کننده رای اکثریت (MVC)

Authors

شبیر شهیبی

دانشکده مهندسی پزشکی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی

علی مطیع نصرآبادی

گروه مهندسی پزشکی، دانشکده مهندسی، دانشگاه شاهد

محمدحسن مرادی

دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر

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 :
  • Related Potentials in Eventن [3] B. Porjesz, H. Begleiter, COA ...
  • شبیر شبیهی، _ ماشینهای بردار پشتیبان (SVM) و کاربرد آنها ...
  • J.R.M. Copeland, M.T.A. Saleh and D.G. Blazer, Principles and Practice ...
  • L.J. Bierut, N.L. Saccone, J.P. Rice, A.Goat, "Defining A lcoho ...
  • P.C. Churchman, R. Moreno, Y. Anez, F. Vergara, «Clinical correlates ...
  • B. Porjesz, _ utility of neurophysiol ogical markers in the ...
  • C. Reese and J. Polich, 00Alcoholism risk and the P300 ...
  • K.A. Jones, B. Porjesz, D. Chorlian, M. Rangaswamy, C. Kamarajan, ...
  • M. Rangaswamy, B. Porjesz, B.A. Ardekani, S.J. Choi, J.L. Tanabe, ...
  • L. Ingber, (2004, April 15) [Online]. Available at http://kdd.ics. uci ...
  • X.L. Zhang, H. Begleiter, B. Projesz, W. Wang and A. ...
  • R.Q. Quiroga, H. Garcia, *Single-trial event-related potentials with wavelet denoising', ...
  • A. Subasi, ، Automatic recognition of alertness level from EEG ...
  • C.D. Lopes, J.O. Mainardi, M.A. Zaro, and A.A. Susin, _ ...
  • J. Zhu, N. Hazarika, A.C. Tsoi and A.A. Sergejew, _ ...
  • C.J.C. Burges.، 0A tutorial _ support Vector machines for pattern ...
  • Kalatzis, N. Piliouras, E. Ventouras, C.C. Papageorgiou, A.D. Rabavilas, D. ...
  • N. Acir, C. Guzelis.، Automatic spike detection in EEG by ...
  • N.T. Van der Merwe, A.J. Hoffman, *Developing an efficient croSS ...
  • Joachims T. SVMLight Support Vector Machine [online]. 2003. URL: http ...
  • A .Shoeb, H. Edwards, J. Connolly, B. Bourgeois, S.T. specific ...
  • G. James, *Majority Vote Classifiers: Theory and Applications?, PhD. Thesis, ...
  • C.D. Lopes, E. Schuler, P.M. Engel, and A.A. Susin, *ERP ...
  • نمایش کامل مراجع