مقاله انتخاب کانالهای مناسب برای شناسایی پتانسیل برانگیخته بینایی به روش SFS و ویژگی WP در BCI مبتنی بر P300

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله انتخاب کانالهای مناسب برای شناسایی پتانسیل برانگیخته بینایی به روش SFS و ویژگی WP در BCI مبتنی بر P300 دارای ۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله انتخاب کانالهای مناسب برای شناسایی پتانسیل برانگیخته بینایی به روش SFS و ویژگی WP در BCI مبتنی بر P300  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 انتخاب کانالهای مناسب برای شناسایی پتانسیل برانگیخته بینایی به روش SFS و ویژگی WP در BCI مبتنی بر P300،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله انتخاب کانالهای مناسب برای شناسایی پتانسیل برانگیخته بینایی به روش SFS و ویژگی WP در BCI مبتنی بر P300 :

تعداد صفحات:۷

چکیده:

انتخاب ویژگی و مجموعه کانال مناسب تاثیر زیادی برصحت تشخیص حرف در واسط مغز – کامپیوتر P300 Speller دارد. دراین مقاله ضرایب تبدیل بسته موجک بعنوان بردار ویژگی در نظر گرفته و برای انتخاب بهترین زیرباندهایی که بیشترین تمایز بین دو کلاس را ایجاد میکنند. از پایه متمایز کننده محلی (LDB) استفاده می کنیم. هدف اصلی از انجام این تحقیق یافتن موقعیت مکانی کانالهایی است که تاثیر زیادی در صحت خروجی دارند. بدین منظور ابتدا ده مجموعه کانال پنج تایی در نواحی جلوسری، مرکزی، گیجگاهی و پس سری با رعایت اصل تقارن انتخاب شده و صحت تشخیص خروجی هر مجموعه ، توسط طبقه بندی کننده آنالیز تفکیک خطی (LDA) بدست می آید. نتایج نشان داد که مجموعه کانالهای موجود، در نواحی پس سری و جلوسری بترتیب دارای بالاترین و کمترین دقت تشخیص حرف هستند. درمرحله بعد، از الگوریتم هوشمند انتخاب ترتیبی مستقیم – معکوس (SFBS) برای مقایسه کانالهای انتخابی استفاده می کنیم. پنج کانال بدست آمده توسط این روش درمقایسه با ده مجموعه کانال اولیه از صحت بالاتری برخوردارند و محل قرار گرفتن آنها در ناحیه پشت و پس سر است. با این پنج کانال، صحت نهایی تشخیص حرف در ۵ و ۱۵ آزمون بترتیب ۳۳/۱۵% و ۵/۱۱% بدست آمد که از نتایج نفر دوم مسابقات BC12005 بهتر است. در این پژوهش از پنج کانال استفاده می شود در حالیکه نفردوم مسابقه از ۱۰ کانال و همچنین نفرات اول و سوم از همه ۶۴ کانال استفاده کرده اند. در ضمن نفرات اول تا سوم همگی از طبقه بندی کننده ماشین بردار پشتیبان (SVM) استفاده کرده اند که نسبت به LDA بسیار زمانبر است.