پردازش سیگنالهای تصویرحرکتی مغز با رویکردترکیب اطلاعات به کمک روشهای انتگرال فازی و میانگین وزن دارمرتب شده

تفکیک سیگنالهای مغزی مربوط به تصورات مختلف درایجادیک ارتباط مستقیم بین ذهن و محیط خارج برای کمک به افرادمعلول اهمیت دارددراین مقاله ازترکیب نتایج طبقه بندها برای افزایش دقت پردازش سیگنالهای مغزی استفاده شده است درفرایند پردازش سیگنال پس ازتعیین فرکانسهای تاثیرگذار و استخراج ویژگیهای مربوط به آنها به منظورطبقه بندی سیگنالها روش های SVM ، k-NN بیزین شبکه عصبی مصنوعی MLP و پارزن استفاده شده است دقت حاصل ازاین روشها بین 67تا90درصد و بیشینه مقدارضریب Kappa برابر با0.8می باشد درانتها روش میانگین وزن دارمرتب شده owa و روش سوگنو که برمبنای انتگرال فازی عمل می کند که برای اجماع نظر بین نتایج طبقه بندها به کارگرفته شده است به کمک روشهای OWA وسوگنو دقت نتایج طبقه بندی به ترتیب به 93و95 درصد افزایش یافته است ضمن آنکه زمان موردنیاز برای پردازش سیگنال درروش OWA کوتاهتر می باشد.

کلیدواژه ها:

سیگنالهای مغزی ، واسط مغزوکامپیوتر ، طبقه بندی سیگنال ، ترکیب طبقه بندها ، انتگرال فازی ، میانگین وزن دارمرتب شده ، روش سوگنو