A Comparative Study of Feature Extraction Methods in P300 Detection
- سال انتشار: 1389
- محل انتشار: هفدهمین کنفرانس مهندسی پزشکی ایران
- کد COI اختصاصی: ICBME17_033
- زبان مقاله: انگلیسی
- تعداد مشاهده: 1608
نویسندگان
Elec. & Comp. Eng. Department University of Yazd Yazd, Iran
Elec. & Comp. Eng. Department University of Yazd Yazd, Iran
Elec. & Comp. Eng. Department University of Yazd Yazd, Iran
چکیده
In this paper some different feature extraction methods are compared and their performances in a patternrecognition based P300 detection system are studied. By studying the features in different domains it was concluded that time domain features are more powerful in discriminating P300 signals from non-P300 signals. Therefore, three different sets of features were considered in the time domain and the performance of each was assessed by Fisher’s linear discriminant (FLD) classifier, the best set being identified based on this assessment. The experiment was also performed in two phases each with a different number of channels to analyze the effect of the number of channels on performance.کلیدواژه ها
ERP, Brain Computer Interface (BCI), P300 Detection, Feature Extractionمقالات مرتبط جدید
- HTPA: a hybrid traffic pattern aware arbitration strategy for network on chip systems
- نقش هوش مصنوعی در مدیریت مصرف انرژی
- کارآیی شیلدینگ الکترومغناطیسی ی ک محفظه کامپوزی تی غیرهمسانگرد چندال یه با شکل دلخواه
- حسگرهای انعطافپذیر برای آموزش مهندسی مکاترونیک
- بررسی جامع چالش های اینترنت اشیا و راهکارهای مقابله
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.