دوره 12، شماره 3 - ( 9-1394 )                   جلد 12 شماره 3 صفحات 55-43 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Mirjalili A, Abootalebi V, Sadeghi M T. Improving the performance of sparse representation-based classifier for EEG classification. JSDP 2015; 12 (3) :43-55
URL: http://jsdp.rcisp.ac.ir/article-1-175-fa.html
میرجلیلی علیرضا، ابوطالبی وحید، صادقی محمد تقی. بهبود کارایی طبقه‌بندی‌کننده مبتنی بر نمایش تنک برای طبقه‌بندی سیگنالهای مغزی. پردازش علائم و داده‌ها 1394; 12 (3) :55-43

URL: http://jsdp.rcisp.ac.ir/article-1-175-fa.html


دانشگاه یزد
چکیده:   (6254 مشاهده)

در این مقاله مسئله طبقه‌بندی سیگنالهای EEG مبتنی بر تصور حرکتی برای یک سیستم واسط مغز-کامپیوتر (BCI)، توسط طبقه‌بندی‌کننده مبتنی بر نمایش تنک (SRC) مورد توجه واقع شده است. این طبقه‌بندی‌کننده 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 مجموعه‌های آموزشی کم می‌باشد. برای رفع این معایب از دو نوع الگوریتم بهبود CSP با نامهای GLRCSP و DLRCSP استفاده شده است. استفاده از این روش‌ها 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 طبقه‌بندی‌کننده SRC که از الگوریتم پایه BP استفاده می‌کند، زمان‌بر بودن آن می‌باشد. 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 می‌یابد، بلکه این تغییر منجر به افزایش میانگین درصد صحت تشخیص به میزان 1/16 % نسبت به الگوریتم استاندارد پایه می‌شود.

متن کامل [PDF 3488 kb]   (2042 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات گروه علائم حیاتی ( مرتبط با مهندسی پزشکی)
دریافت: 1392/7/25 | پذیرش: 1394/6/17 | انتشار: 1394/10/14 | انتشار الکترونیک: 1394/10/14

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.