سال انتشار: ۱۳۹۱

محل انتشار: بیستمین کنفرانس مهندسی برق ایران

تعداد صفحات: ۷

نویسنده(ها):

رضا ابراهیم پور – دانشکده مهندسی برق و کامپیوتر، دانشگاه شهید رجایی، تهران
شکوفه ذاکرنژاد –

چکیده:

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 ۵ از مسابقات رابط مغز-کامپیوتر ۳ 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 ۶۲٫۹ % است که این میزان پس از اعمال الگوریتم ژنتیک و استخراج ویژگی های بهینه در دقت کلی به میزا ن ۴٫۵ % افزایش به ۶۷٫۴ % 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 %۶۹٫۸ بهبود داده است