این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پردازش علائم و داده ها، جلد ۱۲، شماره ۳، صفحات ۴۳-۵۵
عنوان فارسی بهبود کارایی طبقه‌بندی‌کننده مبتنی بر نمایش تنک برای طبقه‌بندی سیگنالهای مغزی
چکیده فارسی مقاله 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.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Improving the performance of sparse representation-based classifier for EEG classification
چکیده انگلیسی مقاله In this paper, the problem of classification of motor imagery EEG signals using a sparse representation-based classifier is considered. Designing a powerful dictionary matrix, i.e. extracting proper features, is an important issue in such a classifier. Due to its high performance, the Common Spatial Patterns (CSP) algorithm is widely used for this purpose in the BCI systems. The main disadvantages of the CSP algorithm are its sensibility to noise and the over learning phenomena when the number of training samples is limited. In this study, to overcome these problems, two modified form of the CSP algorithms, namely the DLRCSP and GLRCSP have been used. Using the adopted methods, the average detection rate is increased by a factor of about 7.78 %. Also, a problem of the SRC classifier which uses the standard BP algorithm is the computational complexity of the BP algorithm. To overcome this weakness, we used a new algorithm which is called the SL0 algorithm. Our classification results show that using the SL0 algorithm, the classification process is highly speeded up. Moreover, it leads to an increase of about 1.61% in average correct detection compared to the basic standard algorithm.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله علیرضا میرجلیلی | alireza mirjalili
electrical and computer engineering department, yazd university
یزد- صفائیه- چهار راه پژوهش- دانشگاه یزد- دانشکده مهندسی برق و کامپیوتر
سازمان اصلی تایید شده: دانشگاه یزد (Yazd university)

وحید ابوطالبی | vahid abootalebi
electrical and computer engineering department, yazd university
یزد- صفائیه- چهار راه پژوهش- دانشگاه یزد- دانشکده مهندسی برق و کامپیوتر
سازمان اصلی تایید شده: دانشگاه یزد (Yazd university)

محمد تقی صادقی | mohammad taghi sadeghi
electrical and computer engineering department, yazd university
یزد- صفائیه- چهار راه پژوهش- دانشگاه یزد- دانشکده مهندسی برق و کامپیوتر
سازمان اصلی تایید شده: دانشگاه یزد (Yazd university)

نشانی اینترنتی http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-421-1&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1315/article-1315-233346.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مقالات گروه علائم حیاتی ( مرتبط با مهندسی پزشکی)
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات