Optimum Selection of Linear Features for Improving the Accuracy of BCI-Speller
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 725
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICCNE01_006
تاریخ نمایه سازی: 25 فروردین 1394
چکیده مقاله:
Brain Computer Interface (BCI) is a communication system that enables control of devices or human interaction through brain signal activities without using motor activities.The P300 speller is aimed at helping patients to spell words by utilizing their brain activities. This paper demonstrated theperformance of different features based on their classification accuracies. These features were evaluated on a data set acquiredusing BCI 2000's P300 paradigm provided by the BCIcompetition III for two subjects. The aim of this paper is to investigate the performance of various linear features of P300for character recognition. For feature selection we use stepwise regression. Finally Discriminant Analysis (DA) and Support Vector Machine (SVM) were used for classification.
نویسندگان
Neshat Omidvar
Dept. Biomedical Engineering Islamic Azad University Mashhad, Iran
Mahdi Azarnoosh
Dept. Biomedical Engineering Islamic Azad University Mashhad, Iran
Majid Ghoshuni
Dept. of Biomedical Engineering Islamic Azad University Mashhad, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :