طراحی یک روش کارآمد در طبقه بندی تصور حرکتی سیگنال های EEG با استفاده از الگوریتم ژنتیک و موتور استنتاج فازی-ماشین بردار پشتیبان
- سال انتشار: 1394
- محل انتشار: دومین کنگره بین المللی فن آوری، ارتباطات و دانشICTCK۲۰۱۵
- کد COI اختصاصی: ICTCK02_026
- زبان مقاله: فارسی
- تعداد مشاهده: 713
نویسندگان
گروه مهندسی پزشکی، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
گروه مهندسی پزشکی، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
چکیده
همواره طراحی بخش نرم افزاری یک سیستم BCI که به طور معمول با صحت طبقه بندی کم همراه است، از مشکلاتپیشروی محققین محسوب میشود. در این مقاله، برای تشخیص تصور حرکت دست راست و دست چپ، ویژگی هاییشامل بعد فرکتال و روش کتز (Katz) و هیگوچی (Higuchi) استخراج می شوند. در گام نخست جهت افزایش دقت طبقه بندی، ویژگی های استخراج شده با تکیه بر روش خوشه بندی درخت تصمیم بازآرای و چینش می گردند. داده های خوشه بندی شده دارای ابعاد بالایی هستند و از این رو الگوریتم تکاملی ژنتیک به انتخاب بهترین ویژگی ها می پردازد. در نهایت این طبقه بند فازی-ماشین بردار پشتیبان (FSVM) است که داده های کاهش بعد داده شده را با صحت طبقه بندی بالاتر از 87 % کلاسه بندی میکند و تصور حرکتی دست راست را با ضریب اطمینان قابل قبولی از تصورحرکتی دست چپ تفکیک می سازد. نتایج حاصل آمده، نمایانگر عملکرد کارآمد سیستم خودکار تفکیک کننده بخش BCI است و این ادعا با محاسبه ضریب همبستگی میسر شده است. بکارگیری این الگوریتم در بخش نرم افزاری BCI میتواند تا حد گستردهای در کمک به افرادی که با ناتوانایی های حرکتی و یا معلولیت دست و پنجه نرم می کنند، اثرگذار باشد.کلیدواژه ها
رابط مغز رایانه (BCI)، ویژگی های فراکتال، الگوریتم ژنتیک، درخت تصمیم، طبقه بند فازی-ماشین بردار پشتیبان (FSVM)مقالات مرتبط جدید
- تشخیص ایراد موتور القایی با استفاده از تابع چگالی احتمال سیگنال لرزش و معیار کولبک لیبلر
- شناسایی چالش های توسعه یک سیستم هوش مصنوعی توصیف پذیر با بهره گیری از سوالات کاربران در انجمن های پرسش و پاسخ به وسیله ی الگوریتم های خوشه بندی متون
- بهبود تشخیص سرطان سینه با استفاده از شبکه عصبی پیچشی کوانتومی
- پیش بینی بار برگشتی در صنعت سیمان با استفاده از شبکه عصبی BLSTM
- طراحی ماهواره مکعبی۱U جهت پایش محیط زیست
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.