مقاله

بهبود کارایی طبقه بندی کننده مبتنی بر نمایش تنک برای طبقه بندی سیگنالهای مغزی

علیرضا میرجلیلی، alireza mirjalili electrical and computer engineering department, yazd universityیزد- صفائیه- چهار راه پژوهش- دانشگاه یزد- دانشکده مهندسی برق و کامپیوتر وحید ابوطالبی، vahid abootalebi electrical and computer engineering department, yazd universityیزد- صفائیه- چهار راه پژوهش- دانشگاه یزد- دانشکده مهندسی برق و کامپیوتر محمد تقی صادقی، mohammad taghi sadeghi electrical and computer engineering department, yazd universityیزد- صفائیه- چهار راه پژوهش- دانشگاه یزد- دانشکده مهندسی برق و کامپیوتر

چکیده

در این مقاله مسئله طبقه بندی سیگنالهای eeg مبتنی بر تصور حرکتی برای یک سیستم واسط مغز-کامپیوتر (bci)، توسط طبقه بندی کننده مبتنی بر نمایش تنک (src) مورد توجه واقع شده است. این طبقه بندی کننده برای کارایی بالا نیاز به طراحی ماتریس دیکشنری قوی دارد. با توجه به کارایی بالای الگوریتم الگوهای مکانی مشترک (csp) در سیستمهای bci، از این روش برای طراحی ماتریس دیکشنری استفاده شده است. از معایب cspحساس به نویز بودن و مسئله فرایادگیری در مجموعه های آموزشی کم می باشد. برای رفع این معایب از دو نوع الگوریتم بهبود csp با نامهای glrcsp و dlrcsp استفاده شده است. استفاده از این روش ها منجر به افزایش میانگین درصد صحت تشخیص به میزان حدود 7/78 % نسبت به گونه استاندارد csp شده است. از سوی دیگر یکی از معایب طبقه بندی کننده src که از الگوریتم پایه bp استفاده می کند، زمان بر بودن آن می باشد. برای رفع این عیب، از الگوریتم جدید sl0 به عنوان جایگزین الگوریتم bp استفاده نمودیم. نتایج نشان داد که نه تنها زمان مرحله آزمون بسیار کاهش می یابد، بلکه این تغییر منجر به افزایش میانگین درصد صحت تشخیص به میزان 1/16 % نسبت به الگوریتم استاندارد پایه می شود.

اسناد مشابه