این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
صفحه اصلی
درباره پایگاه
فهرست سامانه ها
الزامات سامانه ها
فهرست سازمانی
تماس با ما
JCR 2016
جستجوی مقالات
یکشنبه 23 آذر 1404
هوش محاسباتی در مهندسی برق
، جلد ۲، شماره ۲، صفحات ۳۷-۵۴
عنوان فارسی
ارزیابی و مقایسه روشهای الگوهای مکانی مشترک و قطعهبندی هوشمند در آشکارسازی مؤلفه P۳۰۰
چکیده فارسی مقاله
هدف از این مقاله ارزیابی دو روش قطعهبندی هوشمند و الگوهای مکانی مشترک به عنوان دو راهکار استخراج ویژگی در سیستمهای آشکارسازی مؤلفهP300 است. بدین منظور، یک سیستم مبتنی بر بازشناسی آماری الگو طراحی شد. در این سیستم که با دادگان P300-Speller مسابقات BCI 2005 کار میکند، پس از اعمال پیشپردازشهای اولیه، دو دسته ویژگی قطعهبندی هوشمند و الگوهای مکانی مشترک از دادگان استخراج گردید. این ویژگیها از دو دیدگاه تکی (با آزمون t-test،) و گروهی (با استفاده از درصد صحت طبقهبندیکننده LDA و انتخاب ویژگی به روش تحلیل تفکیکی گام به گام و محاسبه درصد صحت با طبقهبندیکننده SWLDA) سنجش شدند که در نهایت، دسته ویژگی قطعهبندی هوشمند با کسب بالاترین درصد صحت (25/95%) به عنوان روش برتر انتخاب شد.
کلیدواژههای فارسی مقاله
عنوان انگلیسی
Evaluation and Comparision of Common Spatial Patterns (CSP) and Intelligent Segmentation in P300 Detection
چکیده انگلیسی مقاله
In This Paper, two different feature extraction methods were studied and their performances in pattern recognition based- P300 detection were compared. These two methods were Common Spatial Pattern (CSP) and intelligent segmentation. Data set II (P300 speller) from the BCI competition 2005 was used. After pre-processing and feature extraction, these features were compared. For this purpose, first, a statistical analysis had been applied for evaluating the fitness of each feature in discriminating between target and non target signals. Then, each of these two groups of features was evaluated by a Linear Discriminant Analysis (LDA) classifier. Furthermore by using Stepwise Linear Discriminant Analysis (SWLDA), the best set of features was selected. Finally in this research, the best result for P300 detection was 95.25% for intelligent segmentation as a feature extraction method. This result shows that intelligent segmentation is better than CSP method for P300 detection.
کلیدواژههای انگلیسی مقاله
نویسندگان مقاله
محمد تقی صادقی | mohammad taghi
دانشگاه یزد
سازمان اصلی تایید شده
: دانشگاه یزد (Yazd university)
وحید ابوطالبی |
دانشگاه یزد
سازمان اصلی تایید شده
: دانشگاه یزد (Yazd university)
زهرا امینی |
دانشگاه یزد
سازمان اصلی تایید شده
: دانشگاه یزد (Yazd university)
نشانی اینترنتی
http://isee.ui.ac.ir/article_15316_fc1a366d328636e41c25efc25b47f9d9.pdf
فایل مقاله
اشکال در دسترسی به فایل - ./files/site1/rds_journals/1306/article-1306-343846.pdf
کد مقاله (doi)
زبان مقاله منتشر شده
fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به:
صفحه اول پایگاه
|
نسخه مرتبط
|
نشریه مرتبط
|
فهرست نشریات