پیش پردازش و دسته بندی سیگنال های مغزی با استفاده از روش های یادگیری ماشین

مغز به عنوان پیچیده ترین عضو بدن و ویژگی رهبری کننده آن از دیرباز مورد توجه بسیاری از محققین بوده است. امروزه واسط مغز-کامپیوتر، عنوان کلی از روش هایی است که به منظور برقراری ارتباط مغز با دنیای اطرافش پیشنهاد شده اند. لذا اگر سیستمی بتواند سیگنال های ثبت شده از تعدادی فعالیت ذهنی را از یکدیگر تفکیک کند، آن فعالیت ها یک الفبای ساده را تشکیل می دهند، که فرد می تواند با انجام ترکیب های مختلفی از آن ها، با دنیای اطراف ارتباط برقرار کند. یک سیستم به عنوان واسط مغز و کامپیوتر از قسمت های مختلفی مانند ثبت سیگنال، پردازش، رابط کاربری و غیره تشکیل شده است. در این پایان نامه پیش پردازش و دسته بندی سیگنال های مغزی در زمان انجام برخی از فعالیت های ذهنی با استفاده از روش های یادگیری ماشین مورد بررسی قرار می گیرد. برای تفکیک سیگنال های مغزی، به مراحل متعددی اعم از استخراج، انتخاب و بهینه سازی ویژگی ها، انتخاب و طراحی تفکیک کننده ی مناسب و غیره نیاز است؛ که در این پایان نامه روش های مختلفی برای هر یک از این مراحل به کار گرفته خواهد شد. همچنین به منظور حذف اثر نویزهایی مانند پلک زدن، که بر ثبت سیگنال های مغزی موثرند، از الگوریتم های آنالیز اجزای مستقل مقید سریع و الگوریتم قطری سازی تقریبی ترتیبی به عنوان الگوریتم های پیش پردازش، استفاده شده است. علاوه بر این دسته بندی این سیگنال ها با استفاده از دسته بند ی کننده ترکیبی انجام می شود. روش پیشنهادی به طور میانگین، دقتی در حدود 90 درصد را نتیجه می دهد.