تشخیص بیماری صرع مبتنی بر سیگنال های EEG با استفاده از ماشین بردار پشتیبان بهبودیافته با الگوریتم بهینه سازی عقاب طلایی
سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 106
فایل این مقاله در 15 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:
CSCONFERENCE01_156
تاریخ نمایه سازی: 22 آذر 1402
چکیده مقاله:
تجزیه و تحلیل سیگنال EEG از ناحیه پوست سر مغز انسان می تواند به تشخیص صرع کمک کند. برای این منظور پس ازجمع آوری سیگنال هاء در مرحله پیش پردازش با استفاده از تبدیل موجک گسسته عمل استخراج ویژگی از سیگنال ها انجام می شود،سپس در مرحله پس پردازش ماشین بردار پشتیبان بهبودیافته با لگوریتم بهینه سازی عقاب طلایی تشخیص صرع را انجام می دهد.در جهت مقایسه روش پیشنهادی، از طبقه بند K- نزدیک ترین همسایه استفاده شده است. نتایج نشان می دهد ماشین بردار پشتیبانبهبود یافته با الگوریتم بهینه سازی عقاب طلایی با میانگین مربعات خطای ۰.۳۲ و دقت ۹۹.۲% به ازای کل سیگنال ها تشخیص صرع را انجام می دهد.
کلیدواژه ها:
نویسندگان
فراز رشیدی فامیل
دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
سعید علیزاده
گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی، واحد تهران جنوب، تهران، ایرا ن