تشخیص بیماری صرع توسط هم بستگی متقابل ماشین های بردار پشتیبان برای دسته بندی سیگنال مغزی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 724
فایل این مقاله در 11 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:
ELECTRICA03_016
تاریخ نمایه سازی: 5 اردیبهشت 1396
چکیده مقاله:
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:
نویسندگان
الیاس ایران خواه
دانشجوی کارشناسی رشته ی مهندسی پزشکی گرایش بیوالکتریک موسسه آموزش عالی خاوران
محمد ظریف
دانشجوی کارشناسی رشته ی مهندسی پزشکی گرایش بیوالکتریک موسسه آموزش عالی خاوران
الیاس مزروعی راد
دانشجوی دکتری مهندسی پزشکی، عضو هیات علمی موسسه آموزش عالی خاوران
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 :