طبقه‌بندی سیگنال‌های مغزی تصور حرکت دست چپ و راست در سامانه‌های واسط مغز و رایانه با استفاده از انتخاب ویژگی به کمک الگوریتم‌های فرا ‌ابتکاری

مقدمه: بازشناسی فعالیت‌های مختلف حسی- حرکتی در سامانه‌های واسط مغز و رایانه با مباحث بازشناسی الگو در ارتباط است. یکی از مسائل مهم در طراحی یک سامانه مؤثر واسط مغز و رایانه، چگونگی کاهش تعداد ویژگی‌های استخراج شده از سیگنال‌های مغزی است. استفاده از الگوریتم‌های انتخاب ویژگی یکی از مهم‌ترین مراحل در زمینه بازشناسی الگو می‌باشد. کاهش تعداد ویژگی‌ها می‌تواند در بهبود دقت و کارایی طبقه‌بند‌ها و در نتیجه کاهش هزینه‌ها مؤثر واقع شود.  روش: در این مقاله انتخاب ویژگی با استفاده از دو الگوریتم جستجوی گرانشی باینری بهبود یافته و بهینه‌ساز جمعیت مورچگان باینری پیشرفته بر روی مجموعه داده‌های مربوط به سیگنال‌های مغزی 9 فرد سالم جهت تفکیک تصور حرکت دست چپ و راست، صورت گرفت. ویژگی‌ها در 6 زیر باند مختلف استخراج شده‌اند. دو طبقه‌بند ماشین بردار پشتیبان و k نزدیک‌ترین همسایه با استفاده از ویژگی‌های انتخاب شده بر روی نمونه‌ها اعمال شد. داده­ها در محیط متلب و توسط جعبه ابزار EEGLAB  پردازش شده است. نتایج: نرخ طبقه‌بندی در سیستم پیشنهادی بالای 80 درصد است. با استفاده از روش‌های انتخاب ویژگی، باندهای فرکانسی و ویژگی های مؤثر جهت طبقه‌بندی حرکت دست چپ و راست استخراج شده‌‌اند. نتیجه‌گیری: نتایج نشان دهنده‌ بهبود نتایج پس از اعمال الگوریتم جستجوی گرانشی باینری بهبود یافته و طبقه‌بند نزدیک‌ترین همسایه می‌باشد.