文献

J-GLOBAL ID：201702270030197451   整理番号：17A1730587

EEG信号からのチャネル選択とEEGデータに対するサポートベクトルマシンの応用【Powered by NICT】

Channel selection from EEG signals and application of support vector machine on EEG data

著者 (3件)： Arslan Mustafa Turan (Mustafa Kemal University Hatay, Turkey) ,  Eraldemir Server Goksel (Iskenderun Technical University Hatay, Turkey) ,  Yildirim Esen (Adana Science and Technology University Adana, Turkey)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IDAP  ページ： 1-4  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： 本研究では,暗算作業と黙読中に記録されたEEGデータは,離散ウェーブレット変換により分析した,特徴ベクトルが得られた。得られた特徴ベクトルをサポートベクトルマシン(SVM)により分類される。結果は26チャネル,全ての記録されたチャネル,十の最も効果的なチャネルを示した。相関ベースの特徴選択に基づくアルゴリズムは,最も効果的なチャネルを選択することに使用されている。精度を損なうことなく,チャンネルの数の減少は,短い分析時間が重要である実時間応用のための重要な課題である。本研究では,暗算と黙読タスクは26チャネルを用いた平均90.71%の精度,91.03%の適合率とF測定率90.63%に分類されているが,これは全てのチャネルを用いて得られたそれに匹敵し,チャンネル数の減少した正確度,精度とF測定は90.44%,90.61%及び90.08であった。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： *サポートベクトルマシン ,  特徴選択 ,  *チャネル ,  アルゴリズム
準シソーラス用語： 適合率 ,  実時間 ,  分析時間 ,  特徴ベクトル ,  離散ウェーブレット変換 ,  *チャネル選択 ,  *脳波信号 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： EEG信号 ,  チャネル選択 ,  EEG ,  サポートベクトルマシン ,  応用