طبقه بندی سطوح مختلف بارکاری شناختی سیگنال fNIRS با استفاده از روش EWT

بارکاری شناختی (CW) به عنوان مقدار تلاش مورد نیاز برای انجام یک کار شناختی خاص و یا میزان منابع ذهنی که فردبرای انجام یک کار خاص در یک محیط معین و در یک دوره زمانی محدود نیاز دارده اشاره دارد. افزایش بارکاری شناختی می تواندمنجر به خطای انسانی در وظایف حیاتی شود و ایمنی، سلامت روان و عملکرد کاری را به خطر بیندازد. از این رو در این مقاله، روشیکارآمد برای طبقه بندی سطوح مختلف بارکاری شناختی ارائه شده است، تا ضمن بکارگیری روشی با ابعاد کم، عملکرد بهتری در انواعروش های آموزش به دست آید. در روش پیشنهادی ویژگی های میانگین، واریانس، توان بانده جذر میانگین مربعات، کشیدگی، چولگیاز ۲ مولفه تجزیه شده روش تبدیل ویولت تجربی (EWT) و سیگنال اصلی هموگلوبین اکسیژن دار(ااخ) و هموگلوبین بدوناکسیژن (HbR) استخراج گردیده است. جهت بهینه سازی و کاهش ابعاد بردار ویژگی، از روش ReliefF و mRMR استفاده شده,سپس برای طبقه بندی بارکاری شناختی، ماشین بردار پشتیبان بکار گرفته شد. نتایج نهایی به این صورت بوده است که. طبقه بندSVM با هسته چندجمله ای مرتبه دو به ازای ۱۵ویژگی برتر با روش انتخاب ویژگی ReliefF در بررسی سیگنال HbO برایطبقه بندی back=۰ درمقابل ۳=back صحت ۸۶.۷۹ درصد back=۰ درمقابل back=۲ صحت ۸۵.۹۰ درصد back=۲درمقابل back=۳ صحت ۸۳.۸۱ درصد و نیز در بررسی سیگنال HbR در بررسی طبقه بندی back=۰ درمقابل back=۳ صحت۸۸.۲۵ درصد، back=۰ درمقابل back=۲ صحت ۸۷.۸۲ درصد، back=۲ درمقابل back=۳ صحت ۸۵.۶۸ درصد بدست آمد.