مظفر اقبال - دانشجوی مقطع کارشناسی مهندسی پزشکی – بیوالکتریک دانشگاه آزاد اسلام
حمید باقرزاده رفسنجانی - دانشجوی مقطع کارشناسی مهندسی پزشکی – بیوالکتریک دانشگاه آزاد اسلام
فواد یحیی زاده - دانشجوی مقطع کارشناسی مهندسی پزشکی – بیوالکتریک دانشگاه آزاد اسلام
سیدداود کریمی راد - دانشجوی مقطع کارشناسی مهندسی پزشکی – بیوالکتریک دانشگاه آزاد اسلام

هدف اصلی این مقاله تمرکز بر روی بهبود عملکرد تشخیص هویت افراد با استفاده از سیگنال مغزی به ویژه در حالت تک ثبت وهمچنین حفظ کارایی عملکرد تشخیص هویت در صورت کم بودن دادههای آموزش مقاومت در برابر اغتشاشات و نویز میباشد. دادههای حاصل ازثبت سیگنال مغزی 5 مرد در حالت مشاهدهی 9 تصویر که یک یا چند تصویر آن را پیش از انجام آزمایش انتخاب کرده بودندمورد بررسی قرار گرفت. تحلیل ها بر روی سیگنال EEG حاوی P300 ناشی از تصویر انتخاب شدهی هر شخصمتمرکز شد.از میان روشهای کلاس بندی متفاوتی که آزمایش شد بهترین عملکرد با بکار گیری ماشین بردارهای پشتیبان حاصل شد. در این تحقیق سیگنال EEG حاوی رخداد p300 هر فرد در فضای دامنه-زمان برای تشخیص هویت مورد بررسی قرار گرفته است و با استفاده از بکارگیری یک روش جدید برای تفکیک چند کلاسه باماشین بردار پشتیبان دستیابی به نتایج مطلوبی در کلاس بندی و شناسایی افراد انجام شد.

ماشین بردار پشتیبان، تشخیص هویت P300،EEG