تشخیص بیماری صرع مبتنی بر سیگنال های EEG با استفاده از ماشین بردار پشتیبان بهبودیافته با الگوریتم بهینه سازی عقاب طلایی

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.