ارایه الگوریتمی هوشمند مبتنی بر ویولت و آنالیز جداکننده خطی برای کلاس بندی تصور حرکت دست راست و چپ با استفاده از سیگنال مغزی

چکیده مقاله

تصورات حرکتی فرآیندی ذهنی که در آن فرد انجام یک عمل را تجسم مینماید طبقه بندی تصورات حرکتی با استفاده از سیگنالهای مغزی به طور صحیح قدم مهمی برای طراحی سیستم تعامل کامپیوتر و مغز برای افراد معلول میباشد استخراج ویژگی مناسب یکی از اصلیترین چالشها در افزایش دقت این طبقه بندی است در این تحقیق، با استفاده از آنالیز زمان فرکانسی ویژگیهایی از سیگنال EEG را پیدا کردهایم که بتواند تفکیک بین تصور حرکت دست و چپ را به درستی انجام دهد به این منظور ابتدا از تبدیل ویولت برای استخراج باندهای فرکانسی مختلف EEG استفاده نمودیم سپس برای کاهش ابعاد فضای ویژگیها، پارامترهای آماری ضرایب ویولت موثر را بدست آورده و به وسیله روش آنالیز جداکننده خطی LDA کاهش دادیم در نهایت از روش ماشین بردار پشتیبان SVM برای کلاسبندی سیگنال مغزی حین تصور حرکت دست استفاده نمودیم نتایج نشان میدهد روش پیشنهادی نسبت به روشهای پیشین با دقت بالاتری کلاس بندی تصور حرکت دست راست یا چپ را انجام میدهد

کلیدواژه‌ها

نویسندگان

سامان صادقی

گروه برق ، دانشکده فنی و مهندسی، دانشگاه علوم و فنون مازندران ، بابل ، ایران

جمال قاسمی

استادیار گروه برق، دانشگاه مازندران، بابلسر، ایران

�ادقی، سامان و قاسمی، جمال،1396،ارایه الگوریتمی هوشمند مبتنی بر ویولت و آنالیز جداکننده خطی برای کلاس بندی تصور حرکت دست راست و چپ با استفاده از سیگنال مغزی،پنجمین کنفرانس بین المللی مهندسی برق و کامپیوتر با تاکید بر دانش بومی،تهران

ارائه‌شده در

مجموعه مقالات ششمین کنگره ملی تازه های مهندسی برق و کامپیوتر ایران با نگاه کاربردی بر انرژی های نو12 اردیبهشت 1398 · تهران