شما اینجائید:خانه»پیاده سازی مقاله»طبقه بندي سيگنال EEG با استفاده از روش هاي PCA,ICA,LDA و SVM
طبقه بندي سيگنال EEG با استفاده از روش هاي PCA,ICA,LDA و SVM
ارسال شده توسط:Papersimتاریخ ارسال: 2017/11/16در پیاده سازی مقالهدیدگاهها برای طبقه بندي سيگنال EEG با استفاده از روش هاي PCA,ICA,LDA و SVM بسته هستند
هدف ما ، طبقه بندي سيگنال EEG با استفاده از روش هاي PCA,ICA,LDA و SVM
مغز یکی از مهم ترین ارگان های بدن و مرکز مدیریت فعالیت ارادی و غیرارادی انسان است و اختلال در کار آن مشکلات زیادی را برای بیمار به وجود می آورد. نمونه ایی از اختلالات مغزی، حملات مغزی هستند که می توانند در هر جای این سیستم کنترلی روی دهند و باعث ایجاد وضعیت غیرعادی برای شخص بیمار شوند.
صرع یک اختلال عصبی است که بیماران مبتلا به آن از حملات مغزی تکرار شونده رنج می برند در واقع تکرار حملات نشان دهنده یک اشکال پایدار در قسمتی از مغز است. از آن جایی که حملات صرعی به صورت ناگهانی باعث از کار افتادن بخشی از فعالیت عادی مغز می شوند در نتیجه ممکن است باعث ایجاد رفتارهای غیرارادی در حرکت، احساسات و هوشیاری شخص بیمار شوند.
ما از داده های عمومی موجود در Andrzejak استفاده کردیم. مجموعه کامل داده ها شامل 5 مجموعه ( AتاE) است که هرکدام شامل 100 بخش EEG تک کاناله می باشد.
مجموعه A و B شامل بخش هایی است که از ثبت های EEG سطحی گرفته شده است که بر روی 5 داوطلب سالم با استفاده از قرار دادن الکترود های استاندارد انجام شده که داوطلبان در حالت بیداری با چشم باز(A) و با چشم بسته(B) آرام گرفتند. مجموعه ی C وD وE از ثبت EEGدر جراحی گرفته شده است.