CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

یک روش جدید برای استخراج ویژگی به استفاده از اطلاعات متقابل و الگوریتم ژنتیک جهت طبقه بندی سیگنالهای مغزی در سیستم های ارتباط مغز با کامپیوتر

اعتبار موردنیاز: ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۲۷۱۹ | نظرات: ۰
سرفصل ارائه مقاله: مهندسی پزشکی / Biomedical Engineering
سال انتشار: ۱۳۸۶
کد COI مقاله: ICEE15_028
زبان مقاله: فارسی
حجم فایل: ۶۸۳.۵۸ کلیوبایت (فایل این مقاله در ۶ 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. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله یک روش جدید برای استخراج ویژگی به استفاده از اطلاعات متقابل و الگوریتم ژنتیک جهت طبقه بندی سیگنالهای مغزی در سیستم های ارتباط مغز با کامپیوتر

  فرید اویسی ارنگه - گروه مهندسی پزشکی، دانشکده برق، دانشگاه علم و صنعت ایران
  عباس عرفانیان امیدوار - گروه مهندسی پزشکی، دانشکده برق، دانشگاه علم و صنعت ایران

چکیده مقاله:

یکی از مسائل مهم در بهبود عملکرد طبقه بندی ها، کاهش ابعاد فضای ویژگی است. به طور کلی دو روش برای کاهش ابعاد فضای ویژگی وجود دارد. در روش اول که انتخاب ویژگی نامیده میشود، فقط ویژگی هایی که در طبقه بندی مفید هستند، انتخاب می شوند و در روش دوم که استخراج ویژگی نامیده می شود، ویژگی های جدیدی از روی ویژگی های اصلی به منظور بهبود دقت طبقه بندی کننده ساخته می شود. ر این تحقیق یک الگوریتم استخراج ویزگی کاملاً جدید با استفاده از اطلاعات متقابل و الگوریتم ژنتیک به منظور کاهش بعد فضای ویژگی ارائه گردیده است. در این روش سعی می شود بر اساس ویژگی های موجود، ویژگی های جدیدی ساخته شوند که حداکثر اطلاعات را در رابطه با کلاس ها داشته، و اطلاعات متقابل میان ویژگی های استخراج شده حداقل باشد. بهمنظور بررسی توانایی روش پیشنهادی، الگوریتم ارائه شده برای طبقه بندی سیگنال های مغزی در سیستم های ارتباط مغز با کامپیوتر به کار گرفته شده است. هدف در این سیستم ، تشخیص تصور بستن پنجه و دست و حالت استراحت ذهنی است. ازمایشات بر روی پنج فرد سالم و هر فرد چهار یا پنج آزمایش در روزهای مختلف انجام شده است. نتایج نشان می دهد که عملکرد طبقه بندی کننده با استفاده از ویژگی های استخرا شده به وسیله اطلاعات متقابل و الگوریتم ژنتیک بهبود یافته است.

کلیدواژه‌ها:

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-ICEE15-ICEE15_028.html
کد COI مقاله: ICEE15_028

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:
اویسی ارنگه, فرید و عباس عرفانیان امیدوار، ۱۳۸۶، یک روش جدید برای استخراج ویژگی به استفاده از اطلاعات متقابل و الگوریتم ژنتیک جهت طبقه بندی سیگنالهای مغزی در سیستم های ارتباط مغز با کامپیوتر، پانزدهیمن کنفرانس مهندسی برق ایران، تهران، مرکز تحقیقات مخابرات ایران، https://www.civilica.com/Paper-ICEE15-ICEE15_028.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: (اویسی ارنگه, فرید و عباس عرفانیان امیدوار، ۱۳۸۶)
برای بار دوم به بعد: (اویسی ارنگه و عرفانیان امیدوار، ۱۳۸۶)
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 :

  • E Haselsteiner and G Pfurtscheller, "Using timedependent neural networks for ...
  • B Malmoudi and A Erfanian, _ ingle-channel EEG- based prosthetic ...
  • C. Guger, H!. Ramoser, and G. Ifurtscleller, ،{Realtine EEG analysis ...
  • N. Kwak and C.-H. Choi, *#Feature Extraction Based on ICA ...
  • D. Li, W. Pedrycz and N Pizzi, *Fuzzy Vavelet Feature ...
  • D Peterson, J Knught, M Kirby, C Anderson and _ ...
  • M. Pregenzer and G. Pfurtscheller, "Frequency Component Selection tor an ...
  • H.Peng and F.Long and C.Dng, ،*Feature Seهlection Based on Mutual]nformation: ...
  • N. Kwak qund C.-H Chot, *'Input feature selectionn fot classification ...
  • K Hild, D Erdogmus, K Torkkola and J Pirincipe, «F#eature ...
  • K. Torkkola, 4#Feature Extraction by non-parametric Mutual Information N aximization, ...
  • F Rojas, C Puntonet, M Alvarez, I Rojas and R ...
  • G. Darbellay and I. Vajda, «Estimation of the nformation by ...
  • D Huang, and T Clhov, «Eftective Feature Selection Scleme Using ...
  • D E Goldberg, Gernetic Algorithms inSearch, Optimizatio, and Mlaclhine Learning, ...
  • B Malhmoudi and A Erfanian, ،+ICA-Based classification scheme for EEG-based ...
  • H Ghandeharion and A. Erfanian, *A Fully Automatic Method for ...
  • فرید اویسی ارنگه، عباس عرفانیان امیدوار، " انتخاب ویژگی با ... (مقاله کنفرانسی)
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۲۷۷۱۱
    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.