افزایش دقت طبقه بندی سیگنال های EEG به کمک گزینش ویژگی های مؤثربر مبنای الگوریتم ژنتیک و استفاده از روش ترکیب طبقه بندها
محل انتشار: بیستمین کنفرانس مهندسی برق ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,391
فایل این مقاله در 7 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:
ICEE20_475
تاریخ نمایه سازی: 14 مرداد 1391
چکیده مقاله:
در این مقاله به پیشنهاد روشی دو مرحله ای برای بهبود دقت طبقه بندی سیگنال هایEEG می پردازیم. در مرحله اول روشی مبتنی بر الگوریتم ژنتیک برای انتخاب بهینهی ویژگی های موثر در سیگنال هایEEG پیشنهاد شده است. برای بهینه سازی گزینش ویژگیها، الگوریتم ژنتیک به ازای تابع ارزیابیk نزدیکترین همسایگی به اجرا درآمده است . در مرحله دوم از ترکیب طبقه بندها برای افزایش نرخ بازشناسی بهره برده ایم. نتایج بدست آمده از به کار گیری روش پیشنهادی در فرآیند گزینش ویژگی های مؤثر بر روی مجموعه دیتای 5 از مسابقات رابط مغز-کامپیوتر 3 در مقایسه با روش کاهش بعدPCA آنالیز مولفه های اصلی) و در مقایسهبا دادهی خام بهبود خوبی را نشان می دهد. به کار گیری طبقه بندMLP بر روی داده ی خام دارای دقت کلی 62.9 % است که این میزان پس از اعمال الگوریتم ژنتیک و استخراج ویژگی های بهینه در دقت کلی به میزا ن 4.5 % افزایش به 67.4 % افزایش می یابد .همچنین در این مقاله اثر استفاده از ترکیب طبقه بندها به روش تعمیم پشته نیز آزمایش شده که این تکنیک نیز نرخ دقت کلی را به %69.8 بهبود داده است
کلیدواژه ها:
نویسندگان
رضا ابراهیم پور
دانشکده مهندسی برق و کامپیوتر، دانشگاه شهید رجایی، تهران
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 :