طبقه بندی و استخراج ویژگی الکتروانسفالوگرام صرعی با استفاده از روش های pca،ica،emd،dwt و svm

هدف این مقاله طبقه بندی سیگنال های الکتروانسفالوگرام به دو دسته صرعی و سالم می باشد. برای دستیابی به بالاترین دقت، از تکنیک های مختلف استفاده شده است. روش های تبدیل موجک و تجزیه حالت تجربی برای استخراج ویژگی های مورد نظر از این سیگنال ها به کار رفته است. این دو روش از لحاظ تاثیر در فرآیند طبقه بندی با یکدیگر مقایسه شده اند. جهت کاهش ابعاد فضای ویژگی، روش های تحلیل اجزای مستقل و اصلی مورد استفاده قرار گرفته اند. سپس به منظور کاهش اثر نویز بر تحلیل سیگنال الکتروانسفالوگرام، روش نرم کردن اعمال گردید. درنهایت، به کمک طبقه بندی کننده ماشین بردار پشتیبان، داده های موجود طبقه بندی شدند. این مراحل برای مجموعه داده موجود، شامل 5 گروه از سیگنال های الکتروانسفالوگرام تک کانال، آزمایش شد. نتایج، کارایی و دقت بالای روش تجزیه حالت تجربی در استخراج ویژگی و طبقه بندی سیگنال ها را نشان می دهد. براین اساس، دقت و حساسیت به دست آمده از هر دو ترکیب تجزیه حالت تجربی تحلیل اجزای مستقل و تجزیه حالت تجربی تحلیل اجزای اصلی، پس از نرم کردن داده ها، به عنوان یک رویکرد جدید در استخراج و طبقه بندی ویژگی ها، 100% می باشد. خروجی این سیستم در کنترل و درمان بیماری کاربرد دارد.