مریم اسمعیلی - دانشجوی کارشناسی ارشد مهندسی کامپیوتر، گرایش هوش مصنوعی و رباتیک، دا
محمد رحمتی - عضو هیات علمی دانشگاه، دانشگاه صنعتی امیرکبیر، دانشکده مهندسی کامپ

در این مقاله، اطلاعات فضا – زمان موجود در کانال های EEG برای بکارگیری در طبقه بندی کننده های مستقل از هم در سیستم های واسط مغز (Brain Interfaces) استفاده شده است. طبقهبندی کننده های بکار گرفته شده در این پروژه از نوع SVM و به صورت مستقل ازهم می باشند. پارامترهای مختلف نسبت داده شده به طبقهبندی کننده SVM بر اساس نوع ویژگی استخراجشده از کانال مربوطه با استفاده از الگوریتم ژنتیک بهینه شده است. طبقهبندی کننده های ایجاد شده برای تشکیل یک سیستم چند طبقه بندی کننده (Multiple Classifier System) با استفاده از الگوریتم ژنتیک برای طبقهبندی تصور حرکت ایجاد شده در مغز فرد با هم ترکیب می شوند. در این پروژه خروجی طبقه بندی کننده های SVM بهینه شده به عنوان ورودی ترکیب کننده، که در این جا ترکیب کننده بیشترین رای است، بکار گرفته شده است. تحلیل داده های ثبت شده کارایی متد پیشنهادی را در بهبود یک سیستم BI در مقایسه با نتایج بدست آمده از بهترین کانال نشان میدهد.

سیگنال EEG ، کانال های EEG ، سیستم چند طبقه بندی کننده (MSC) ، الگوریتم ژنتیک ، سیستم خبره ، سیستم واسط مغز (BI)