بهبود کارایی طبقه‌بندی‌کننده مبتنی‌بر نمایش تنک برای طبقه‌بندی سیگنال‌های مغزی

در این مقاله مسیله طبقه‌بندی سیگنال‌های eeg مبتنی بر تصور حرکتی برای یک سامانه واسط مغز- رایانه (bci)، توسط طبقه‌بندی‌کننده مبتنی بر نمایش تنک (src) مورد توجه واقع شده است. این طبقه‌بندی‌کننده برای کارایی بالا، نیاز به طراحی ماتریس واژه‌نامه قوی دارد. با توجه به کارایی بالای الگوریتم الگوهای مکانی مشترک (csp) در سامانه‌های bci، از این روش برای طراحی ماتریس واژه‌نامه استفاده شده است. از معایب cspحساس به نوفه‌بودن و مسیله فرایادگیری در مجموعه‌های آموزشی کم است. برای رفع این معایب از دو نوع الگوریتم بهبود cspبا نام‌های glrcspو dlrcspاستفاده شده است. استفاده از این روش‌ها منجر به افزایش میانگین درصد صحت تشخیص ‌به میزان حدود 78/7 % نسبت به گونه استاندارد cspشده است. از سوی دیگر یکی از معایب طبقه‌بندی‌کننده src که از الگوریتم پایه bp استفاده می‌کند، زمان‌بربودن آن است. برای رفع این عیب، از الگوریتم جدید sl0 به‌عنوان جایگزین الگوریتم bp استفاده کردیم. نتایج نشان داد که نه تنها زمان مرحله آزمون بسیار کاهش می‌یابد، بلکه این تغییر منجر به افزایش میانگین درصد صحت تشخیص به میزان 61/1 % نسبت به الگوریتم استاندارد پایه می‌شود.