بهینه سازی الگوریتم الگوهای مکانی مشترک به منظور بهبود عملکرد سیستم های واسط مغز - رایانه

الگوریتم الگوهای مکانی مشترک (csp)، به عنوان یکی از موفق ترین الگوریتم های استخراج ویژگی در سیستم bci شناخته می شود. در این پروژه به دنبال راه هایی برای بهبود استفاده از الگوریتم csp در سیستم های bci هستیم. از این جهت روش های انتخاب کانال های بهینه مورد بررسی قرار گرفته و روشی برای بهبود نتایج حاصل از استفاده الگوریتم csp ارائه شده است. در این روش به جای اعمال csp بر روی همه کانال ها، ابتدا کانال ها را دسته بندی کرده سپس csp بر روی دسته ها اعمال می¬شود. سه روش مختلف برای دسته بندی کانال ها، بر اساس موقعیت قرارگیری کانل ها بر روی سر و خوشه بندی ارائه شد. میزان درصد صحت طبقه-بندی کننده با دسته¬بندی کانال¬ها به طور میانگین 11تا 15 درصد افزایش داشت و جداسازی بهتر انجام شد. در اینجا برای انتخاب کانال های بهینه از الگوریتم ژنتیک و میزان تأثیر هر دسته بر روی درصد صحت طبقه بندی کننده استفاده شد. با این روش میانگین تعداد کانال ها از 118 کانال به کمتر از نصف این مقدار کاهش یافت با اینکه درصد صحت طبقه¬بندی کننده ثابت بود. یکی از محدودیت های الگوریتم csp این است که قابلیت جداسازی فقط دو کلاس را دارد و برای استفاده در حالت چندکلاسه باید مسأله را به چند مسأله دو کلاسه تبدیل کرد. روش های گوناگون تبدیل یک مسأله چندکلاسه به چند مسأله دو کلاسه بررسی شد. با روش های سلسله مراتبی ارائه شده ، بهبودی در دقت عملکرد سیستم حاصل نشد اما میزان حجم محاسبات به طور قابل ملاحظه ای کم شد. .