سال انتشار: ۱۳۹۱

محل انتشار: دومین همایش ملی کامپیوتر، برق و فن آوری اطلاعات

تعداد صفحات: ۷

نویسنده(ها):

فریبا بیوکی – دانشجوی کارشناسی ارشد مهندسی پزشکی بیوالکتریک
سعید راحتی – استادیار دانشگاه آزاد مشهد
رضا بوستانی – استادیار دانشگاه علوم پزشکی مشهد
علی شعیبی – استادیار دانشگاه علوم پزشکی مشهد

چکیده:

خستگی پدیده چندبعدی و ذهنی است بنابراین تعیین سطوح مختلف و کمی سازی درک فردی از آن امری ضروری می باشد هدف از این مقاله بررسی تاثیر کرنلهای مختلف برصحت دسته بندی سیگنال EMG به دوکلاس خسته و غیرخسته می باشد برای این منظور سیگنالهایEMG سطحی از عضلات استرنوکلید و ماستوئید حین تست استقامت فلکشن گردن ثبت شده اند سپس شش ویژگی درحوزه زمان فرکانس و زمان – مقیاس از آنها استخراج گشته است بردار ویژگیها پس از تخمین و کاهش بعد به منظور دسته بندی به SVM خطی SVM با کرنل چندجمله ای RBF MLP داده شده است نتایج نشان داده اند که بهترین درصد صحت به ازای کرنل RBF91/16% بدست می آید.