ارائه الگوریتم طبقه بندی برای سیگنال های مغزی ناشی از تصورات حرکتی مبتنی بر bci چند کلاسه بر اساس تکنیک فازی-ماشین بردار پشتیبان

سیستم های bci برای تولید سیگنال های کنترلی از سیگنال eeg و طبقه بندی تصورات حرکتی استفاده می شوند. در این مقاله جهت طبقه بندی تصورات حرکتی، با استفاده از ثبت سیگنال eeg از سه فرد سالم با میانگین سنی 25/66 سال، از طبقه بند fsvm استفاده شده است، نتایج مطالعه نشان می دهد که دقت طبقه بندی تصورات حرکتی، از طریق استخراج ویژگی های خطی و غیرخطی از سیگنال سپس انتخاب ویژگی ها از طریق الگوریتم تکاملی ژنتیک و طبقه بندی با استفاده از روش فازی-ماشین بردار پشتیبان، 89/26 % می باشد.