تشخیص مؤلفه P300 با استفاده از مدلهای مخفی مارکوف
محل انتشار: چهاردهمین کنفرانس مهندسی پزشکی ایران
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,436
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICBME14_102
تاریخ نمایه سازی: 3 تیر 1387
چکیده مقاله:
در این تحقیق مدل مخفی مارکوف که یک مدل آماری با پایه ریاضی قوی می باشد، برای نخستین بار در تشخیص مؤلفه P300 بکار گرفته شده است. CDHMMها که از نوع پیوسته مدلهای مارکوف هستند با استفاده از روش یادگیری مدولار برای تفکیک دادگان حاوی P300 و فاقد آن در دادگان BCI2005- II، ا ستفاده شده اند. ضرایب استخراج شده توسط تبدیل موجک Quadratic B-spline به عنوان زنجیره ویژگی برای مدلها استفاده شد. این ضرایب برای 64 کانال استخراج و با اعمال PCA در فضای ویژگیها کاهش بعد صورت گرفت. بعد از آموزش دو مدل CDHMM برای سیگنالهای حاوی P300 و فاقد آن، میزان شباهت به هر مدل توسط SVM بررسی و تصمیم گیری نهایی انجام شد. با روش ارزیابی 10 بار 10 دسته دادگان، 95,8 % صحت تشخیص مؤلفه P300 برای داده آموزش و 87.3% برای داده آزمون بدست آمده، در حالیکه برای ساختار مشابه، اما با جایگزین شدن CDHMM با LDA، نتایج 85.2% صحت تشخیص مولفه P300 برای داده آموزش و 84.2% برای داده آزمون بدست آمد.
کلیدواژه ها:
نویسندگان
سیده زهره سیدصالحی
دانشگاه شاهد، پژوهشکده پردازش هوشمند علائم.
علی مطیع نصرآبادی
دانشگاه شاهد
وحید ابوطالبی
دانشگاه یزد، پژوهشکده پردازش هوشمند علائم.
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 :