تشخیص بیماری صرع توسط هم بستگی متقابل ماشین های بردار پشتیبان برای دسته بندی سیگنال مغزی

ماشین بردار پشتیبان یکی از روش هایی است که از آن برای دسته بندی داده ها استفاده می کنند. این روش نسبتا جدیدی است که در سال های اخیر کارایی خوبی نسبت به روش های قدیمی تر نشان داده و برای ساختارهایی با کمترین ریسک مورد استفاده قرار می گیرد. مبنای کاری دسته بندی کننده ی ماشین بردار پشتیبان، دسته بندی خطی داده ها و کمتر کردن کران بالای خطای آن ها است. این روش برای دسته بندی باینری و بکارگیری آموزش های نظارتی به منظور یافتن دستورالعمل جداسازی بهینه اطلاعات، مورد استفاده قرار گرفته است. در این مقاله تکنیکی برای استفاده دسته بندی سیگنال های مغزی به شکل باینری پیشنهاد شده است. این شیوه برای محک سیگنال مغزی در نظر گرفته شده و روش هایی را برای دستیابی به صحتی بالاتر از 95 96% پیشنهاد می کند که با روش های پیشنهادی اخیر که صحت آن در حدود 94 5% بوده است، قابل مقایسه می باشد.

کلیدواژه ها:

ماشین بردار پشتیبان ، جداسازی بهینه ، همبستگی متقابل ، سیگنال های مغزی