شمیم اشرفیان - دانشکده علوم ریاضی و رایانه، دانشگاه علامه طباطبایی، تهران
محمد حمیدعظیمی - دانشکده علوم ریاضی و رایانه، دانشگاه علامه طباطبایی، تهران
محمدرضا اصغری اسکویی - استادیار، گروه علوم رایانه، دانشکده علوم ریاضی و رایانه، دانشگاه علامه طباطبایی، تهران
سیدمحمد شمس - استادیار، گروه مهندسی پزشکی، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران

در این پژوهش، هدف بازشناخت و پیشگویی آنچه که فرد مشاهده کرده با توجه به الگوی فعالیت واکسلهای مغز آن فرد است. یافتن ارتباط معنادارمیان الگوهای فعالیت نورونها در مغز و ادراک روانی انسان یکی از مسایل و چالشهای مهم در زمینه علوم اعصاب است. چالش اصلی در یافتن این الگوها، بزرگبودن فضای ویژگی به دلیل وجود تعداد زیاد واکسلهای مغز نسبت به تعداد بسیار کم نمونهها )محرکهای مشاهده شده توسط فرد( است. در این مقاله به بررسی اثر کاهش بعد فضای ویژگی به کمک معیار اطلاعات متقابل ) mutual information ( و تاثیر آن بر روی نتایج حاصل از دسته بندی کننده های متفاوتپرداختهایم. برای پیاده سازی از دادههای تهیه شده در دانشگاه کارنگی ملون مدلی ارایه شده، سپس با به کارگیری الگوریتمهای دستهبندیکننده: ماشین بردار پشتیبان، لاجستیک رگرسیون و نایو بیز به بازشناخت الگوهای فعالیت واکسلها هنگام مشاهده تصویر-کلمه ها پرداخته ایم. نتایج نشان دادهاند که به کارگیری معیار اطلاعات متقابل برای کاهش فضای ویژگی، افزایش معنادار دقت دسته بندی کنندهها را در پی داشته است

اطلاعات متقابل، دسته بندی، کاهش فضای ویژگی، واکسل