انتخاب ویژگی و کاهش ابعاد داده در واسط های مغز-رایانه با استفاده از یک الگوریتم تکاملی

پایان نامه
چکیده

واسط مغز-رایانه وسیله ای است که می تواند بدون کمک گرفتن از عضلات، بین مغز و دنیای خارج از آن ارتباط مستقیم برقرار کند. اساس کار یک مدل از این سامانه ها، تشخیص تصور حرکات مختلف فرد می باشد که می توان از آن برای کمک به بیمارانی که بخشی از توانایی های جسمی-حرکتی خود را از دست داده اند، استفاده کرد. واسط های مغز-رایانه از قسمت های مختلفی مانند ثبت سیگنال، پردازش سیگنال و واسط کاربری تشکیل شده اند و بخش پردازش سیگنال نیز به نوبه خود از چند قسمت مجزا از جمله حذف انواع نویزها، استخراج ویژگی، انتخاب ویژگی و طبقه بند تشکیل شده است. بعد از حذف انواع نویزها و اثرات جانبی موثر بر روی سیگنال ، ویژگی های مورد نظر از این امواج به دست می آیند و طبقه بند از روی این بردار ویژگی مشخص می کند که کاربر چه فعالیتی را مد نظر دارد. یکی از چالش های اساسی در واسط مغز-رایانه، حجم بالای اطلاعات ورودی و زمان نسبتا زیاد پردازش این اطلاعات است که باعث می شود واکنش وسیله به دستور صادر شده از طرف کاربر فوری نبوده و با تاخیری هرچند اندک همراه باشد. به همین دلیل لازم است تا جایی که امکان دارد زیرمجموعه کوچک و مناسبی از ویژگی ها را انتخاب کرد تا دقت و سرعت سامانه بهبود یافته و کارآیی نهایی افزایش پیدا کند. در این پایان نامه با معرفی یک الگوریتم تکاملی جدید به نام probpso که از ترکیب الگوریتم های تجمع ذرات و تخمین توزیع به دست آمده و استفاده از آن برای انتخاب ویژگی و همچنین استفاده از طبقه بندهای ترکیبی به جای یک طبقه بند منفرد، به مدلی رسیدیم که دقت آن نزدیک به بیست درصد بهتر از زمانی بود که از تمام ویژگی ها استفاده می کردیم. در مدل ارائه شده جدید که می توان آن را انتخاب ویژگی بر پایه کلاس نامید، از چهار طبقه بند مختلف که از هم مستقل هستند و می توانند به صورت موازی کار کنند برای تشخیص برچسب داده های چهار کلاسه استفاده کردیم و با اجرای این مدل پیشنهادی بر روی داده های مربوط به مسابقات واسط مغز-رایانه سال 2005 و مقایسه نتایج به دست آمده با الگوریتم های برتر، نشان دادیم روش پیشنهادی ما از قدرت خوبی برخوردار است و می تواند سیگنال ها را با دقت بهتری طبقه بندی کند.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

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 ...

متن کامل

مدلسازی رواناب ماهانه با استفاده از روشهای داده کاوی براساس الگوریتم های انتخاب ویژگی

باتوجه به اهمیت مقدار جریان خروجی از حوضه آبریز جهت مدیریت آب­های سطحی، فهم دقیق ارتباط بین مقدار رواناب با پارامترهای اقلیمی همچون بارش و دما و شناسائی موثرترین پارامتر در فرآیند مدل­سازی بسیار مهم می‌باشد. در این تحقیق پس از آزمون همگنی داده‌های بارش، دما و رواناب ماهانه حوضه آبریز ناورود، ابتدا براساس دو الگوریتم رلیف و همبستگی دو ترکیب مختلف از پارامترهای موثر در رواناب مورد توجه قرار گرفت....

متن کامل

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 ...

متن کامل

بهبود الگوریتم مورچگان در انتخاب ویژگی و کاهش ابعاد داده

انتخاب ویژگی یک مسأله مهم برای تحلیل داده در فرآیندهای بازیابی، سیستم های طبقه بندی الگو و کاربردهای داده کاوی است. این فرایند با حذف ویژگی های نویزی، نامرتبط و تکراری، تعداد ویژگی ها را کاهش می دهد. در این پایان نامه برای نخستین بار نسخه جدیدی از الگوریتم مورچگان باینری ارائه و از آن برای حل مسأله انتخاب ویژگی استفاده می شود. الگوریتم پیشنهادی که ترکیبی از دو الگوریتم مورچگان باینری و گسسته اس...

استفاده از طبقه‌بند PCVM در سیستم واسط مغز- رایانه کاربرفرما به منظور بهبود تشخیص حرکت پا

اساس سیستم‌های‌ واسط مغز-رایانه(BCI)کاربرفرما آشکارسازی و تشخیص بازه‌های رخداد یک فعالیت ذهنی مانند تصور حرکت از سیگنال خودبخودی مغز است که این مسأله به دلیل ماهیت غیرایستان و پیچیده سیگنال الکتروانسفالوگرام (EEG) مهمترین چالش در طراحی سیستم‌هایBCIاست. در این مقاله برای اولین بار از یک الگوریتم جدید طبقه‌بندی مبتنی بر یادگیری تنک به نامPCVM در طراحی سیستمBCIکاربرفرما استفاده شده است. هدف اصلی م...

متن کامل

کاهش بعد داده های تصاویر تشدید مغناطیسی مغز با استفاده از شبکه عصبی آموزش یافته توسط الگوریتم ژنی

در این مقاله روشی برای کاهش بعد فضای ویژگی تصاویر تشدید مغناطیسی مغز به سه بعد جهت ایجاد امکان تجسم توزیع داده ها در فضا و بخشبندی تصاویر پیشنهاد میشود. از شبکه عصبی پیشخورد برای تولید ویژگی های جدید استفاده میشود. پارامترهای شبکه عصبی توسط الگوریتم ژنی بگونه ای تعیین میشوند که داده های تبدیل یافته در خروجی شبکه عصبی تابع هدف معینی را بهینه نمایند. سه تابع هدف معرفی میشوند که بر مبنای تابع خطای...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز - دانشکده علوم ریاضی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023