文献

J-GLOBAL ID：201702238356189433   整理番号：17A1350829

EEG信号分類のための手順特徴選択の多目的最適化【Powered by NICT】

Multi-Objective Optimization of Feature Selection procedure for EEG signals classification

著者 (4件)： Cimpanu Corina (Department of Computer Science, “Gheorghe Asachi” Technical University, Ias,i, Romania) ,  Ferariu Lavinia (Department of Automatic Control and Applied Informatics, “Gheorghe Asachi” Technical University, Ias,i, Romania) ,  Dumitriu Tiberius (Department of Computer Science, “Gheorghe Asachi” Technical University, Ias,i, Romania) ,  Ungureanu Florina (Department of Computer Science, “Gheorghe Asachi” Technical University, Ias,i, Romania)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EHB  ページ： 434-437  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： EEGは記憶負荷評価のための適切なバイオマーカーの一つである。脳波(EEG)信号のための特徴選択(FS)ルーチンは過去に広く研究されている。現在の研究は,しばしば機械学習アルゴリズムに基づいている。本論文では,脳波を用いた記憶負荷分類のためのFSルーチンの多目的最適化(MOO)への新しい進化的アプローチの影響を調べた。本研究の主要な貢献は:1)分類と節減の精度に関する候補特徴ベクトルの解析ii)優先最終解の改良された選択を用いた多目的遺伝的アルゴリズム(GA)の開発,精度および任意の関連する分類器の節減を最適化することができる。特徴ベクトルを,サポートベクトルマシン(SVM)とランダムフォレスト(RF)分類器を用いて分類する。提案されたアルゴリズムは,二つのベンチマークデータセット上で検証し,EEGデータを用いた記憶負荷レベル認識のための特徴選択の最適化である。試験シナリオは,EEG信号の特徴選択のためのMOOの必要性の動機づけを行った。提案した方法の優れた性能は,EEG複雑な応用における前処理フェーズとしてそれを推奨している。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： アルゴリズム ,  学習アルゴリズム ,  *最適化 ,  バイオマーカー ,  動機づけ ,  サポートベクトルマシン ,  脳波 ,  前処理 ,  *特徴選択
準シソーラス用語： ランダムフォレスト ,  多目的遺伝的アルゴリズム ,  特徴ベクトル ,  ルーチン ,  *多目的最適化 ,  *脳波信号 , 【Automatic Indexing@JST】

分類 (2件)： 生体計測  (EL03020C) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： EEG信号 ,  分類 ,  手順 ,  特徴選択 ,  多目的最適化