چکیده مقاله
در این مقاله، یک روش نمونه برداری جهت طبقه بندی سیگنال های الکتروانسفالوگرم که معروف به EEG میباشد معرفی خواهد شد روش پیشنهادی شامل 3 مرحله میباشد 1 کاهش مصنوعات 2 EOG محاسبه نیروی باند سیگنال 3 یافتن بهترین بخش زمانی از ویژگیها با بالاترین درجه دقت طبقه بندی در محدوده قله نیروی باند سیگنال الگوریتم Butterworth جهت استخراج ویژگی استفاده شده است و دقت طبقه بندی با الگوریتم بیز ساده NB بررسی خواهد شد برای آزمایش، از مجموعه داده 2b، معرفی شده در مسابقه BCI competition IV که در 3 کانال برای محرک تصورات ضبط شده است، استفاده خواهد شد در این مجموعه داده 2 وضعیت ذهنی متفاوت برای هر کاربر با عنوان حرکت دست چپ و راست بررسی شده است
کلیدواژهها
نویسندگان
علا عالم فلکی
کارشناسی ارشد، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد رشت، گیلان
سیده حورا فخرموسوی
گروه کامپیوتر، دانشگاه آزاد اسلامی واحد لاهیجان، گیلان
شیوه ارجاع
�الم فلکی، علا و فخرموسوی، سیده حورا،1396،بررسی تاثیر نمونه برداری بر روی ویژگی های استخراج شده از سیگنال های EEG،دومین کنفرانس ملی محاسبات نرم،رودسر
ارائهشده در
مجموعه مقالات دومین کنفرانس ملی محاسبات نرم1 آذر 1396 · رودسر