close
تبلیغات در اینترنت
فیلم و کتاب دات آی آر
پیام مدیر سایت: به سایت ما خوش آمدید ، امیدوارم که از کیفیت مطالب ما راضی باشید در صورتی خرابی لینک های دانلود به ما گزارش بدهید تا سریعا لینک های دانلود فعال بشود

دانشکده مهندسی کامپیوتر و فناوری اطلاعات

گروه هوش مصنوعی

 استخراج ویژگی مناسب برای تشخیص سیگنال­های حرکات ارادی EEG

تعداد صفحات : 106

چکيده

در این پایان نامه قصد داریم با ارائه یک ویژگی مناسب عمل دسته بندی را بر روی سیگنال های مغزی انجام دهیم. برای این منظور ابتدا از سیگنالهای مغزی نویز دستگاه ثبت حذف می شود سپس از این سیگنال ها با استفاده از تبدیل والش و آنتروپی ویژگی استخراج می شود. بعد از استخراج ویژگی ، بر اساس این ویژگی ها عمل دسته بندی انجام می شود.
اولین پیش پردازش برای دسته بندی سیگنال های مغزی حذف نویز از این سیگنال ها می باشد. در این پایان نامه دو روش کلاسیک حذف نویز و دو روش پیشنهادی حذف نویز بررسی می شود. ابتدا با استفاده از روش کلاسیک ICA ، تبدیل موجک و دو روش پیشنهادی تبدیل والش و روش ترکیبی والش و ICA از سیگنال حذف نویز می شود. برای داشتن یک ارزیابی از این چند روش، نتایج حاصل از این چهار روش با استفاده از سه معیار، نسبت سیگنال به نویز(SNR)، میانگین مربع خطا(MSE) و جذر میانگین تفاضل مربعات(درصد) (PRD) ارزیابی می¬شود. نتایج ارزیابی با استفاده از این معیارها نشان داد که روش ترکیبی والش و ICA و تبدیل والش دارای کمترین مقدار میانگین مربع خطا می باشد. همچنین این دو روش دارای بیشترین مقدار نسبت سیگنال به نویز و جذر میانگین تفاضل مربعات(درصد) است.
بعد از حذف نویز از سیگنال، به بحث استخراج ویژگی از سیگنال¬ها و دسته بندی آنهاپرداخته می شود. ویژگی¬های استخراج شده تعداد ویژگی کمی می باشد و یک بردار ویژگی 22 مولفه ای است. این ویژگی ها مربوط به آنتروپی تبدیل والش کانال های سیگنال، آنتروپی تبدیل والش کل سیگنال، توان تبدیل والش کانال های سیگنال و توان تبدیل والش کل سیگنال می باشد. برای ارزیابی کارایی این ویژگی ها همین ویژگی¬ها، نیز با استفاده از تبدیل موجک و فوریه استخراج می شوند و عمل دسته بندی بر اساس ویژگی های استخراجی این سه روش به طور جداگانه انجام می شود. بعد از استخراج ویژگی، بر اساس ویژگی های استخراجی، به دسته بندی سیگنال ها با استفاده از طبقه بندی کننده SVM و نزدیکترین همسایه پرداخته می شود. نتایج حاصل نشان می دهد که دسته بندی با استفاده از ویژگی های استخراجی تبدیل والش به مراتب بهتر از دسته بندی بر اساس ویژگی های دو تبدیل دیگر است. نرخ تشخیص با استفاده از روش پیشنهادی و svm، 42.5 درصد و با روش نزدیکترین همسایه 39.0 درصد است.
در مقایسه ای دیگر، نتایج حاصل با نتایج پیاده سازی شده بر روی این مجموعه داده، در چهارمین دوره مسابقات BCI مقایسه شده است. نتایج نشان داد که روش دسته بندی با استفاده از تبدیل والش از همه¬ی روشها به جز نفر اول بهتر است.. ولی مزیتی که روش پیشنهادی نسبت به همه روشها دارد این است که در بحث زمانی این روش دارای مجموع زمان تست و آموزش کمی است. این زمان 52 ثانیه می باشد که نسبت به روش اول که 403 و 640 ثانیه است به مراتب بهتر است.

کسب درآمد با فروش فایل های سایت ما

آمار سایت
  • تعداد مطالب: 3958
  • ورودی گوگل امروز: 22
  • ورودی گوگل دیروز: 80
  • بازدید کل: 5,970,177
  • تاریخ امروز: شنبه 30 دی 1396
  • تبلیغات در سایت تبلیغات در سایت
    آخرین مطالب
  • سوالات آزمون استخدامی تخصصی کامپیوتر
  • جزوه دستنویس و تایپ شده و ترجمه دکتر محمدزاده درس داده های حجیم
  • جزوه دستنویس و تایپ شده شبکه پیشرفته - دکتر رامین کریمی
  • جزوه دکتر محسن محرمی - درس ارزیابی سیستم های کامپیوتری
  • مجموعه سوالات آزمون های استخدامی
  • بهسازی سیگنال گفتار در حوزه زمان فرکانس
  • بررسی تأثیر شرط اجل در عقد بیع و مقایسه ی آن با کنوانسیون بیع بین المللی کالا مصوب ۱۹۸۰ وین
  • ارزیابی پایداری گذرای سیستم قدرت با استفاده از داده های واحد های اندازه گیری فازور
  • پایان نامه ارائه مدلی برای سیستم­های توصیه گر در شبکه های مبتنی بر اعتماد
  • ارائه رویکردی جهت نگاشت سرویس های ITIL بر مبنای نقاط عملکردی (KPI) به سیستم مدیریت امنیت اطلاعات
  • پایان نامه بررسی مسئولیت مدنی متصدیان حمل و نقل
  • پایان نامه جایگاه حقوق متهم در قانون آیین دادرسی کیفری جدید
  • نقش بازاریابی در ایجاد تقاضای بهینه برای خدمات بانكی و روشهای كاربردی آن
  • کار تحقیقی بررسی عقد جعاله در حقوق مدنی
  • بررسی صلاحیت در رسیدگی به موضوع حقوقی
  • صفحه اصلیآرشیو مطالبنقشه سایتطراح قالبتماس با ما