مقاله بهبود کارایی شناسایی فعالیت خواندن متن در وضعیتهای روزمره افراد با به کارگیری الگوریتم مبتنی بر تطبیق رشته زمانپویا برای پردازش سیگنالهای الکترواکولوگرام
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله بهبود کارایی شناسایی فعالیت خواندن متن در وضعیتهای روزمره افراد با به کارگیری الگوریتم مبتنی بر تطبیق رشته زمانپویا برای پردازش سیگنالهای الکترواکولوگرام دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله بهبود کارایی شناسایی فعالیت خواندن متن در وضعیتهای روزمره افراد با به کارگیری الگوریتم مبتنی بر تطبیق رشته زمانپویا برای پردازش سیگنالهای الکترواکولوگرام کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله بهبود کارایی شناسایی فعالیت خواندن متن در وضعیتهای روزمره افراد با به کارگیری الگوریتم مبتنی بر تطبیق رشته زمانپویا برای پردازش سیگنالهای الکترواکولوگرام،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله بهبود کارایی شناسایی فعالیت خواندن متن در وضعیتهای روزمره افراد با به کارگیری الگوریتم مبتنی بر تطبیق رشته زمانپویا برای پردازش سیگنالهای الکترواکولوگرام :
تعداد صفحات :۱۲
پژوهشهای اخیر در زمینه رایانش نافذ منجر به بهرهگیری از روشهای جدید برای شناسایی فعالیت انسان شده است. یکی از این روشها، الکترواکولوگرافی است که به کمک آن میتوان حرکات چشم را ثبت و با تحلیل الگوهای آن، فعالیتهایی مانند خواندن را شناسایی کرد. الگوی حرکتی خواندن با پردازش سیگنالهای الکترواکولوگرام (EOG) کانال افقی قابل شناسایی است؛ بنابراین در این پژوهش فقط از سیگنالهای EOGکانال افقی به جای هر دو کانال افقی و عمودی استفاده شد. با وجود کاهش تعداد کانالها و با بکارگیری الگوریتمی مبتنی بر تطبیق رشته زمان-پویا (DTW) و استخراج الگوی مرجع خواندن به کمک تبدیل موجک و کدگذاری سیگنال EOG، کارایی دستهبندی دادههای مربوط به خواندن و نخواندن افزایش یافت. نتایج نشان داد که در کنار انحراف معیار کم نرخ شناسایی، بیشترین نرخ شناسایی ۴% و میانگین بازخوانی ۷% افزایش داشتند که نشاندهنده قابلیت اطمینان بیشتر الگوریتم به شرایط و افراد مختلف در مقایسه با الگوریتمهای پیشین است.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.