طبقه بندی سیگنال های مغزی تصور حرکت دست چپ و راست در سامانه های واسط مغز و رایانه با استفاده از انتخاب ویژگی به کمک الگوریتم های فرا ابتکاری

مقدمه: بازشناسی فعالیت های مختلف حسی- حرکتی در سامانه های واسط مغز و رایانه با مباحث بازشناسی الگو در ارتباط است. یکی از مسائل مهم در طراحی یک سامانه موثر واسط مغز و رایانه، چگونگی کاهش تعداد ویژگی های استخراج شده از سیگنال های مغزی است. استفاده از الگوریتم های انتخاب ویژگی یکی از مهم ترین مراحل در زمینه بازشناسی الگو می باشد. کاهش تعداد ویژگی ها می تواند در بهبود دقت و کارایی طبقه بند ها و در نتیجه کاهش هزینه ها موثر واقع شود.  روش: در این مقاله انتخاب ویژگی با استفاده از دو الگوریتم جستجوی گرانشی باینری بهبود یافته و بهینه ساز جمعیت مورچگان باینری پیشرفته بر روی مجموعه داده های مربوط به سیگنال های مغزی ۹ فرد سالم جهت تفکیک تصور حرکت دست چپ و راست، صورت گرفت. ویژگی ها در ۶ زیر باند مختلف استخراج شده اند. دو طبقه بند ماشین بردار پشتیبان و k نزدیک ترین همسایه با استفاده از ویژگی های انتخاب شده بر روی نمونه ها اعمال شد. داده­ها در محیط متلب و توسط جعبه ابزار EEGLAB  پردازش شده است. نتایج: نرخ طبقه بندی در سیستم پیشنهادی بالای ۸۰ درصد است. با استفاده از روش های انتخاب ویژگی، باندهای فرکانسی و ویژگی های موثر جهت طبقه بندی حرکت دست چپ و راست استخراج شده اند. نتیجه گیری: نتایج نشان دهنده بهبود نتایج پس از اعمال الگوریتم جستجوی گرانشی باینری بهبود یافته و طبقه بند نزدیک ترین همسایه می باشد.

کلیدواژه ها:

Algorithm ، Advanced Binary Optimization ، Support Vector Machine ، الگوریتم ، گرانشی باینری بهبود یافته ، ماشین بردار پشتیبان