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