|
|
دومین کنگره انفورماتیک پزشکی و هفتمین همایش سلامت الکترونیک
|
|
|
| عنوان فارسی |
به کارگیری روش Elastic Net به منظور تنک سازی و بهبود فضای ویژگی در طبقه بندی سیگنال مغزی |
|
| چکیده فارسی مقاله |
در سیستم های BCI بلوک پردازش سیگنال شامل سه بخش کلی «پیش پردازش»، «استخراج و انتخاب ویژگی» و «طبقه بندی کننده» است. بخش استخراج و انتخاب ویژگی یکی از مهم ترین بخش های سیستم BCI است، زیرا عمل طبقه بندی از روی همین ویژگی ها انجام می شود. به طورکلی، هدف این مقاله بهبود فضای ویژگی و متعاقباً بهبود عملکرد سیستم های واسط مغز- رایانه (BCI) مبتنی بر تصور حرکتی (MI) است. در سال های اخیر به منظور بهبود فضای ویژگی در طبقه بندی سیگنال های مغزی، روش های مختلفی مطرح شده است. با توجه به اینکه تمام ویژگی های استخراج شده در جداسازی کلاس ها مفید نیستند، استفاده از روش های تنک به منظور انتخاب ویژگی مورد توجه واقع شده است. هدف از این مقاله، ارائه ی روشی برای تنک سازی فضای ویژگی در مسئله ی BCI مبتنی بر تصور حرکتی است، به طوری که با استفاده از تنک سازی فضای ویژگی باعث بهبود عملکرد طبقه بندی کننده می شود. برای ارزیابی روش ارائه شده از دادگان IIb از چهارمین مسابقاتBCI استفاده شده است. با توجه به پژوهشی که اخیراً Zhang و همکارانش بر روی این دادگان انجام داده اند، روش تنک سازی Lasso در مبحث تصور حرکتی عملکرد مطلوبی از خود نشان داده است. البته روش Lasso نیز محدودیت هایی دارد که ازجمله آن ها می توان به عدم حساسیت این روش به وجود همبستگی بین ویژگی ها اشاره نمود. در تصور حرکتی به دلیل نزدیکی کانال های مغزی به یکدیگر ممکن است بین متغیرها همبستگی وجود داشته باشد و این امر عملکرد روش Lasso را تحت تأثیر قرار می دهد. الگوریتم پیشنهاد شده در این مقاله به جای روش Lasso از روش ElasticNet استفاده می کند که به عنوان مثال در مقایسه با روش Lasso، درصد صحت طبقه بندی در افراد B0203T، B0303T و B0803T از این دادگان به ترتیب از 61/88، 56/88 و 87/50 به 62/50، 57/50 و 88/75 افزایش می یابد و همچنین تعداد ویژگی های غیر صفر نیز به ترتیب از 11، 1 و 1 ویژگی به 12، 1 و 6 ویژگی تغییر می کند. به طورکلی می توان گفت روش Lasso به دلیل تأکید بیش از حد روی تنک سازی فضای ویژگی، ممکن است باعث کاهش درصد صحت روش گردد، درحالی که روش Elastic Net با اعمال کنترل اضافی روی میزان تنک سازی، می تواند این تنک سازی را درحدی اعمال نماید که منجر به انتخاب بهینه ی ویژگی ها و در نتیجه بهبود عملکرد طبقه بندی کننده گردد. |
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
|
|
| چکیده انگلیسی مقاله |
|
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
-
-
mohammad taghi -
|
|
| نشانی اینترنتی |
http://mieh-2018.modares.ac.ir/browse.php?a_code=A-10-181-1&slc_lang=fa&sid=1 |
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
دوره مرتبط |
کنفرانس مرتبط |
فهرست کنفرانس ها
|
