انتخاب ویژگی با استفاده از اطلاعات متقابل در سیستم‌های ارتباط مغز با کامپیوتر

در سالهای اخیر یک کانال ارتباطی جدید برای ارتباط جدیدی برای ارتباط انسان با محیط خارج بر مبنای سیگنال های مغزی گشوده شده است. این کانل ارتباطی تحت عنوان ارتباطی تحت عنوان ارتباط مغز با کامپیوتر نامیده می شود. این سیستم ها بر مبنای تصور ذهنی عمل می کنند و می توانند دو یا چند تصور را از روی سیگنال های مغزی شناسایی و طبقه بندی کنند. آنچه باعث افزایش قدرت تفکیک در این گونه سیسیتم ها می شود، انتخاب ویژگی های مناسب است اما از آنجا که ویژگی های مناسب به منظور طبقه بندی سیگنالهای گرفته شده از موقعیت های مکانی مختلف سر یک فرد متفاوت است، لذا شناسایی این گونه ویژگی ها از اهمیت بسزایی برخوردار است. در این تحقیق، قدر مطلق دامنه، واریانس، طیف توان، ضرایب مدل AR، تعداد عبور از صفر، تعداد اکسترمم های محلی و انرژی زیرباندهای ویولت به عنوان ویژگی برای طبقه بندی تصویر حرکات دست در نظر گرفته شده است و سپس با استفاده از نظریه اطلاعات، ویژگی های مناسب به منظور کاهش بعد فضای ویژگی انتخاب شده است. همچنین ضابطه ای به منظور انتخاب تعداد ویژگی های مناسب در سیستم های ارتباط مغز با کامپیوتر ارائه شده است که با استفاده از آن می توان عملکرد بهتر با محاسبات کمتر در یک طبقه بندی کمتر در یک طبقه بندی کننده انتظار داشت. یه منظور بررسی توانایی روش، الگوریتم ارائه شده بر روی سیگنال های مغزی ناشی از تصور حرکت دست اعمال گردیده است. نتایج نشان می دهد که عملکرد طبقه بندی کننده با استفاده از ویژگی های انتخاب شده به وسیله اطلاعات متقابل بهبود یافته است.

کلیدواژه ها:

انتخاب ویژگی ، اطلاعات متقابل ، شبکه عصبی ، تحلیل مولفه های مستقل ، سیستم ارتباط مغر با کامپیوتر