文献

J-GLOBAL ID：201802213411016225   整理番号：18A1677538

EEGベースの運動画像におけるLDA,SVMおよびANNを用いて分類したウェーブレットおよびCSP特徴の比較研究【JST・京大機械翻訳】

A Comparative Study of Wavelet and CSP Features Classified Using LDA, SVM and ANN in EEG Based Motor Imagery

著者 (2件)： Aljalal Majid (College of Engineering, King Saud University, Electrical Engineering Department, Riyadh, 800-11421, KSA) ,  Djemal Ridha (Electrical Engineering Department, College of Engineering, King Saud University, Riyadh, 800-11421, KSA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： GCCCE  ページ： 1-9  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： 脳コンピュータインタフェース(BCI)は,ユーザの脳とコンピュータの間のメッセージと次数を交換することができる。モータ画像(MI)は,ユーザの意図を抽出し,コマンドとして解釈することを反映する特定の信号特徴によって提示される。本論文は,2つのタイプのMIタスク(Right Hand Foot)の分類に焦点を合わせた。ウェーブレット変換と一般的な空間パターンを用いて,EEGデータのための様々な特徴抽出技術を展開した。ウェーブレット特徴に対して,統計値,エネルギー,エントロピーおよびバンドパワーを用いて,望ましい特徴ベクトルを形成した。ウェーブレット係数を抽出する前に,チャネルC3,C4およびCzの周りの表面ラプラシアンフィルタの有無にかかわらず,2つのシナリオを実行した。分類,線形判別分析(LDA),サポートベクトルマシン(SVM)および人工ニューラルネットワーク(ANN)のために3つのタイプの分類装置を採用した。本研究の目的は,それらの間を比較し,同期2クラスモーター画像ベースの脳コンピュータインタフェイス実験のための適切な組み合わせを推奨することである。データは,BCI競争IIIによって提供された5人の被験者から記録された。結果は,SVMがウェーブレット係数から抽出されるそれらより特徴により適切であり,エントロピー-エネルギー-バンドパワーとLDAが一般的空間パターンにより適切であることを示した。全体として,CSP-LDAからの結果はWT-SVMから得られたものより良く,平均分類精度はそれぞれ84.79%と82.64%であった。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 電動機 ,  *波束 ,  エントロピー ,  特徴抽出 ,  コンピュータ ,  ウェーブレット変換 ,  サポートベクトルマシン ,  Laplace演算子 ,  統計量 ,  ニューラルネットワーク ,  チャネル ,  *画像 ,  分類装置 ,  フィルタ
準シソーラス用語： ウェーブレット係数 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (8件)： EEG ,  動画像 ,  LDA ,  SVM ,  分類 ,  ウェーブレット ,  CSP ,  研究