استخراج بهینه ویژگی از صفحه زمان فرکانسی سیگنال eegبرای تشخیص بیماری صرع

در این پایان نامه دسته بندی سیگنال های مغزی به منظور تشخیص بیماری صرع با بهره گرفتن از ویژگی های زمان-فرکانس انجام شده است. صفحات زمان-فرکانس همزمان اطلاعات فرکانس و زمانی را در بر دارند و از این رو نسبت به پردازش های صرفاً زمانی و یا صرفاً فرکانسی دارای امتیازاتی هستند، هر چند که از ایراداتی مانند مولفه های مزاحم ویا اصل عدم قطعیت هایزنبرگ رنج می برند. این پایان نامه چند صفحه ی زمان-فرکانس را معرفی می کند و به بررسی ویژگی ها، امتیاز ها و ایرادات آنها پرداخته است. کارهای انجام شده در این زمینه مطالعه و با بررسی آنها تلاش بر ارائه روشی برای بهبود در تشخیص بیماری صرع انجام شده است. در این پایان نامه از ترکیب تبدیل فوریه جامع و توزیع ویگنر-ویل، تغییر معیار همبستگی لحظه ای (که معیار کلاس کهن است)، کپستروم سیگنال و هم چنین کاهش مولفه های تداخلی برای بهبود صفحات زمام-فرکانس و همچنین بهبود دسته بندی استفاده شده است. برای دسته بندی از دو روش knn و شبکه های عصبی استفاده شده است. ننایج در فصل آخر نمایش و با نتایج کارهای قبلی مقایسه شده است.