CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تشخیص بیماری صرع توسط هم بستگی متقابل ماشین های بردار پشتیبان برای دسته بندی سیگنال مغزی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۱ | تعداد نمایش خلاصه: ۱۰۶ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: ELECTRICA03_016
زبان مقاله: فارسی
حجم فایل: ۱.۴ مگابات (فایل این مقاله در ۱۱ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۱ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تشخیص بیماری صرع توسط هم بستگی متقابل ماشین های بردار پشتیبان برای دسته بندی سیگنال مغزی

  الیاس ایران خواه - دانشجوی کارشناسی رشته ی مهندسی پزشکی گرایش بیوالکتریک موسسه آموزش عالی خاوران
  محمد ظریف - دانشجوی کارشناسی رشته ی مهندسی پزشکی گرایش بیوالکتریک موسسه آموزش عالی خاوران
  الیاس مزروعی راد - دانشجوی دکتری مهندسی پزشکی، عضو هیات علمی موسسه آموزش عالی خاوران

چکیده مقاله:

ماشین بردار پشتیبان یکی از روش هایی است که از آن برای دسته بندی داده ها استفاده می کنند. این روش نسبتا جدیدی است که در سال های اخیر کارایی خوبی نسبت به روش های قدیمی تر نشان داده و برای ساختارهایی با کمترین ریسک مورد استفاده قرار می گیرد. مبنای کاری دسته بندی کننده ی ماشین بردار پشتیبان، دسته بندی خطی داده ها و کمتر کردن کران بالای خطای آن ها است. این روش برای دسته بندی باینری و بکارگیری آموزش های نظارتی به منظور یافتن دستورالعمل جداسازی بهینه اطلاعات، مورد استفاده قرار گرفته است. در این مقاله تکنیکی برای استفاده دسته بندی سیگنال های مغزی به شکل باینری پیشنهاد شده است. این شیوه برای محک سیگنال مغزی در نظر گرفته شده و روش هایی را برای دستیابی به صحتی بالاتر از 95 96% پیشنهاد می کند که با روش های پیشنهادی اخیر که صحت آن در حدود 94 5% بوده است، قابل مقایسه می باشد.

کلیدواژه‌ها:

ماشین بردار پشتیبان، جداسازی بهینه، همبستگی متقابل، سیگنال های مغزی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ELECTRICA03-ELECTRICA03_016.html
کد COI مقاله: ELECTRICA03_016

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
ایران خواه, الیاس؛ محمد ظریف و الیاس مزروعی راد، ۱۳۹۵، تشخیص بیماری صرع توسط هم بستگی متقابل ماشین های بردار پشتیبان برای دسته بندی سیگنال مغزی، همایش ملی مهندسی برق، الکترونیک، پزشکی و سرزمین پایدار، مشهد، موسسه آموزش عالی خاوران، https://www.civilica.com/Paper-ELECTRICA03-ELECTRICA03_016.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (ایران خواه, الیاس؛ محمد ظریف و الیاس مزروعی راد، ۱۳۹۵)
برای بار دوم به بعد: (ایران خواه؛ ظریف و مزروعی راد، ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Ralph G. Andrzejak, 2, Klaus Lehnertz, 1, Florian Mormann, 1, ...
  • . Rezaul K. Begg* M, IEEE, Marimuthu Palaniswami, Senior Member, ...
  • . BURGES CJC A Tutorial on Support Vector Machines for ...
  • . Giles M. Foody M, IEEE, and Ajay Mathur. A ...
  • . Nihal Fatma Gu"lera EDUb, Inan Gu:lera, . Recurrent neural ...
  • . Gunn S. Support Vector Machines for Classification and Regression. ...
  • . Subasi A. EEG signal classification using wavelet feature extraction ...
  • . Jan B, O.K. The Nature Of Statistical Learning Theory. ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: موسسه غیرانتفاعی
    تعداد مقالات: ۱۰۳۱
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.