افزایش دقت طبقه بندی سیگنال های EEG با استفاده از ترکیب منطقی طبقه بندها با استفاده از الگوریتم ژنتیک و درختان تصمیم کوچک
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,056
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CITCOMP01_080
تاریخ نمایه سازی: 16 شهریور 1395
چکیده مقاله:
در این مقاله به ارائه روشی دو مرحله ای برای بهبود دقت طبقه بندی سیگنال EEG می پردازیم. هدف اصلی این مقاله، بهبود طبقه بندی تصورات حرکتی نشأت گرفته از سیگنال مغز است. در این راستا یک طبقه-بند ترکیبی مبتنی بر قوانین جبر بول و الگوریتم ژنتیک ارائه شده است که برای استخراج ویژگی از سیگنال EEG، از ویژگی های حوزه زمان-فرکانس استفاده می کند که شامل شاخص های آماری و غیرآماری بدست آمده از تبدیل بسته موجک است. در این مقاله برای بهبود نتایج طبقه بندی، در مرحله اول یک مجموعه از درخت های تصمیم با خطاهای متفاوت ایجاد می شوند سپس با استفاده از الگوریتم ژنتیک این درخت ها هرس شده و ارتفاع آنها کاهش می یابد و ویژگی های استخراج شده به طبقه بند درخت تصمیم به عنوان طبقه بند پایه داده می شود. در مرحله دوم با استفاده از الگوریتم ژنتیک قاعده ترکیب بهینه برای ترکیب نتایج طبقه بندها بدست می آید. قاعده ترکیب براساس قوانین جبر بول ارائه شده است. برای داده های مورد نیاز از نسخه دوم مجموعه داده های BCI competition و مجموعه داده ی سوم استفاده شده است. نتایج پیاده سازی روش پیشنهادی دقت 96.43% را به همراه داشته است که به نسبت روش های موجود در طبقه بندی سیگنال EEG، 6.43 % عملکرد بهتری را داشته است.
کلیدواژه ها:
نویسندگان
مرتضی جهان تیغ
دانشجوی کارشناسی ارشد مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه زنجان
مصطفی چرمی
استادیار، دانشکده مهندسی، دانشگاه زنجان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :