کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
488498 | 703898 | 2016 | 6 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Classification of EEG Motor Imagery Multi Class Signals Based on Cross Correlation
ترجمه فارسی عنوان
طبقه بندی سیگنال های چندگانه تصویری EEG بر اساس همبستگی متقابل
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
رابط کامپیوتر مغز (BCI)؛ تصورات حرکتی؛ طبقه بندی چند کلاسی EEG؛ همبستگی متقابل
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
علوم کامپیوتر (عمومی)
چکیده انگلیسی
Many techniques are developed for improving the classification performance of motor imagery (MI) signals used in Brain computer interfacing (BCI). Still there is scope for improvement of performance using various techniques. In this paper, cross correlation (CC) technique has been used for features extraction from EEG signal and the final classification was done based on voting method which selects the best classifier among the five classifiers used for classification. Our approach was tested on public data set 2a from BCI competition IV. The results proved that our approach outperformed already existing approaches with 29.82% improvement in kappa values.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Procedia Computer Science - Volume 85, 2016, Pages 490–495
Journal: Procedia Computer Science - Volume 85, 2016, Pages 490–495
نویسندگان
D. Hari Krishna, I.A. Pasha, T. Satya Savithri,