A Comparative Study of Feature Extraction Methods in P300 Detection
محل انتشار: هفدهمین کنفرانس مهندسی پزشکی ایران
سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,490
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICBME17_033
تاریخ نمایه سازی: 9 تیر 1392
چکیده مقاله:
In this paper some different feature extraction methods are compared and their performances in a patternrecognition based P300 detection system are studied. By studying the features in different domains it was concluded that time domain features are more powerful in discriminating P300 signals from non-P300 signals. Therefore, three different sets of features were considered in the time domain and the performance of each was assessed by Fisher’s linear discriminant (FLD) classifier, the best set being identified based on this assessment. The experiment was also performed in two phases each with a different number of channels to analyze the effect of the number of channels on performance.
کلیدواژه ها:
نویسندگان
Zahra Amini
Elec. & Comp. Eng. Department University of Yazd Yazd, Iran
Vahid Abootalebi
Elec. & Comp. Eng. Department University of Yazd Yazd, Iran
Mohammad T Sadeghi
Elec. & Comp. Eng. Department University of Yazd Yazd, Iran
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 :