Comparison of EEG Signal Features and Ensemble Learning Methods for Motor Imagery Classification
- سال انتشار: 1395
- محل انتشار: هشتمین کنفرانس بین المللی فناوری اطلاعات ودانش
- کد COI اختصاصی: ICIKT08_036
- زبان مقاله: انگلیسی
- تعداد مشاهده: 751
نویسندگان
Department of Computer Engineering, Qazvin Branch, Islamic Azad University, Qazvin, Iran
Department of Computer Engineering, Buinzahra Branch, Islamic Azad University, Buinzahra, Iran
Electrical and Computer Engineering Department, Semnan University, Semnan, Iran
چکیده
Classifying electroencephalogram (EEG) signal inBrain Computer Interface (BCI) is a useful methods to analysisdifferent organs of human body and it can be used for communicatewith the outside world and controlling external device.Accuracy classification of extracted features from EEG signals isa problem which many researcher try to improve it. Althoughmany methods for extracting feature and classifying EEG signalhave been proposed and developed, many of them suffer fromextracting less accurate data from EEG signals. In this work,four signal feature extraction and three ensemble learning methodhave been reviewed and performances of classification techniquesare compared for motor imagery task.کلیدواژه ها
EEG Signal, Motor Imagery, Feature Extraction, Classification, Ensemble Learningمقالات مرتبط جدید
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.