ارائه الگوریتم طبقه بندی برای سیگنال های مغزی ناشی از تصورات حرکتی مبتنی بر BCI چند کلاسه بر اساس تکنیک فازی-ماشین بردار پشتیبان

سیستم های BCI برای تولید سیگنال های کنترلی از سیگنال EEG و طبقه بندی تصورات حرکتی استفاده می شوند. جهت طبقه بندی تصورات حرکتی، با استفاده از ثبت سیگنال EEG از سه فرد سالم با میانگین سنی ۶۶/۲۵ سال، از طبقه بند FSVM استفاده شده است، نتایج مطالعه نشان می دهد که صحت طبقه بندی تصورات حرکتی، از طریق استخراج ویژگی های خطی و غیرخطی از سیگنال سپس انتخاب ویژگی ها از طریق الگوریتم تکاملی ژنتیک و طبقه بندی با استفاده از روش فازی-ماشین بردار پشتیبان، ۲۶/۸۹ % می باشد.

کلیدواژه ها:

الگوریتم ژنتیک ، تصورات حرکتی ، فازی- ماشین بردار پشتیبان ، واسط مغز-کامپیوتر