استفاده از ANFIS و GAFSVM برای تشخیص تغییرات سیگنال الکتروکاردیوگرام در بیمار صرع جزئی
محل انتشار: دومین همایش پژوهش های نوین در علوم و فناوری
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 612
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- 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:
EMAA02_193
تاریخ نمایه سازی: 8 آذر 1394
چکیده مقاله:
در این تحقیق با استفاده از سیگنالهای الکتروکاردیوگرام بیماران صرع جزئی، به تشخیص و طبقهبندی سیگنالهای صرعی و نرمال پرداخته شده است. در فرایند آشکارسازی در مرحله طبقهبندی، دادههای ورودی با استفاده از ترکیب فازی و ماشین بردار پشتیبان (FSVM) و ANFIS دستهبندی میشوند. ویژگیهای استخراج شده شامل ویژگیهای غیر خطی می باشند و در انتخاب وبژگیهای بهینه از الگوریتم ژنتیک برای FSVM و از مفهوم آنتروپی ومنطق فازی برای ANFIS استفاده شده است. نتایج پیاده سازیها بیانگر مؤثر بودن روش GAFSVM در دسته- بندی این مجموعه داده میباشد، بهطوریکه در بهترین حالت، میزان تفکیککنندگی 95.81 درصد بدست آمده است
کلیدواژه ها:
نویسندگان
متینه زوار
گروه کامپیوتر، واحد قوچان، دانشگاه آزاد اسلامی قوچان، ایران
هادی قاسمی فرد
گروه مهندسی پزشکی-بیوالکتریک، واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی ، تهران، ایران
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 :