close
تبلیغات در اینترنت
خرید دامنه
پایان نامه استخراج ویژگی مناسب برای تشخیص سیگنال های حرکات ارادی EEG
مرورگرهای پیشنهادی :
موضوعات
  • پایان نامه و مقالات فنی مهندسی
  • پایان نامه های فناوری اطلاعات
  • پایان نامه های کامپیوتر
  • پایان نامه های مکانیک
  • پایان نامه های عمران
  • پایان نامه های صنایع
  • پایان نامه های برق
  • پایان نامه های مخابرات
  • پایان نامه های جوشکاری
  • پایان نامه های الکتروتکنیک
  • پایان نامه های گیاه پزشکی
  • پایان نامه های محیط زیست
  • پایان نامه های نفت
  • پایان نامه های مواد
  • پایان نامه های سازه
  • پایان نامه های شیمی
  • پایان نامه های معدن
  • پایان نامه های جوشکاری ترمیت
  • پایان نامه های متالوژی
  • پایان نامه های نساجی
  • پایان نامه های کشاورزی
  • پایان نامه های سرامیک
  • پایان نامه های الکترونیک
  • پایان نامه های ساخت تولید
  • پایان نامه های تاسیسات
  • پایان نامه های منابع طبیعی
  • پایان نامه های صنایع غذایی
  • پایان نامه های نقشه برداری
  • پاورپوینت های فنی مهندسی
  • پاورپوینت معماری
  • پاورپوینت کامپیوتر و IT
  • پایان نامه و مقالات علوم انسانی
  • پایان نامه های اقتصاد
  • پایان نامه های مدیریت
  • پایان نامه های حسابداری
  • پایان نامه های روانشناسی
  • پایان نامه های حقوق
  • پایان نامه های جغرافیا
  • پایان نامه های جهانگردی
  • پایان نامه های تربیت بدنی
  • پایان نامه های ادبیات فارسی
  • پایان نامه های علوم سیاسی
  • پایان نامه های علوم اجتماعی
  • پایان نامه های مدیریت صنعتی
  • پایان نامه های مدیریت روابط عمومی
  • پایان نامه های احکام و معارف اسلامی
  • پایان نامه های هنر
  • پایان نامه های گرافیک
  • پایان نامه های موسیقی
  • پایان نامه های صنایع دستی
  • پایان نامه بیمه
  • پایان نامه و مقالات علوم پایه
  • پایان نامه های فیزیک
  • پایان نامه های پزشکی
  • پایان نامه های دامپزشکی
  • پایان نامه های دندانپزشکی
  • پایان نامه های زمین شناسی
  • پایان نامه های زیست شناسی
  • گزارش کارآموزی و کارورزی
  • کارآموزی برق و الکترونیک
  • کارآموزی بهداشت
  • کارآموزی حسابداری
  • کارآموزی حقوق
  • کارآموزی شیمی
  • کارآموزی عمران
  • کارآموزی خودرو
  • کارآموزی محیط زیست
  • کارآموزی مدیریت
  • کارآموزی معماری
  • کارآموزی مکانیک
  • کارآموزی ساخت و تولید
  • کارآموزی نقشه کشی
  • جزوات رشته های دانشگاهی
  • جزوات و نمونه سوالات کامپیوتر و IT
  • جزوات مشترک دانشگاهی
  • جزوات روانشناسی
  • جزوات مکانیک
  • جزوات عمران
  • جزوات معماری
  • جزوات مدیریت
  • جزوات حسابداری
  • جزوات زمین شناسی
  • جزوات مخابرات
  • جزوات برق و الکترونیک
  • جزوات تاسیسات
  • جزوات مهندسی شیمی
  • جزوات رشته حقوق
  • نمونه سوالات استخدامی
  • نمونه سوالات استخدامی بانک
  • نمونه سوالات استخدامی آموزش و پرورش
  • نمونه سوالات استخدامی شهرداری
  • نمونه سوالات استخدامی تامین اجتماعی
  • نمونه سوالات استخدامی دستگاه اجرایی
  • نمونه سوالات استخدامی فنی و حرفه ای
  • نمونه سوالات استخدامی وزارت خانه ها
  • نمونه سوالات استخدامی نظامی
  • سایر نمونه سوالات استخدامی
  • فیلم های دانشگاهی
  • کامپیوتر
  • برق
  • عمران
  • زبان
  • مدیریت
  • ریاضی
  • فیزیک
  • موسیقی
  • پزشکی
  • شیمی
  • داروسازی
  • فلسفه
  • مکانیک
  • هوافضا
  • اقتصاد
  • مطالب پربازدید
    مطالب تصادفی
    مطالب پیشین

    دانشکده مهندسی کامپیوتر و فناوری اطلاعات

    گروه هوش مصنوعی

     استخراج ویژگی مناسب برای تشخیص سیگنال­های حرکات ارادی EEG

    تعداد صفحات : 106

    چکيده

    در این پایان نامه قصد داریم با ارائه یک ویژگی مناسب عمل دسته بندی را بر روی سیگنال های مغزی انجام دهیم. برای این منظور ابتدا از سیگنالهای مغزی نویز دستگاه ثبت حذف می شود سپس از این سیگنال ها با استفاده از تبدیل والش و آنتروپی ویژگی استخراج می شود. بعد از استخراج ویژگی ، بر اساس این ویژگی ها عمل دسته بندی انجام می شود.
    اولین پیش پردازش برای دسته بندی سیگنال های مغزی حذف نویز از این سیگنال ها می باشد. در این پایان نامه دو روش کلاسیک حذف نویز و دو روش پیشنهادی حذف نویز بررسی می شود. ابتدا با استفاده از روش کلاسیک ICA ، تبدیل موجک و دو روش پیشنهادی تبدیل والش و روش ترکیبی والش و ICA از سیگنال حذف نویز می شود. برای داشتن یک ارزیابی از این چند روش، نتایج حاصل از این چهار روش با استفاده از سه معیار، نسبت سیگنال به نویز(SNR)، میانگین مربع خطا(MSE) و جذر میانگین تفاضل مربعات(درصد) (PRD) ارزیابی می¬شود. نتایج ارزیابی با استفاده از این معیارها نشان داد که روش ترکیبی والش و ICA و تبدیل والش دارای کمترین مقدار میانگین مربع خطا می باشد. همچنین این دو روش دارای بیشترین مقدار نسبت سیگنال به نویز و جذر میانگین تفاضل مربعات(درصد) است.
    بعد از حذف نویز از سیگنال، به بحث استخراج ویژگی از سیگنال¬ها و دسته بندی آنهاپرداخته می شود. ویژگی¬های استخراج شده تعداد ویژگی کمی می باشد و یک بردار ویژگی 22 مولفه ای است. این ویژگی ها مربوط به آنتروپی تبدیل والش کانال های سیگنال، آنتروپی تبدیل والش کل سیگنال، توان تبدیل والش کانال های سیگنال و توان تبدیل والش کل سیگنال می باشد. برای ارزیابی کارایی این ویژگی ها همین ویژگی¬ها، نیز با استفاده از تبدیل موجک و فوریه استخراج می شوند و عمل دسته بندی بر اساس ویژگی های استخراجی این سه روش به طور جداگانه انجام می شود. بعد از استخراج ویژگی، بر اساس ویژگی های استخراجی، به دسته بندی سیگنال ها با استفاده از طبقه بندی کننده SVM و نزدیکترین همسایه پرداخته می شود. نتایج حاصل نشان می دهد که دسته بندی با استفاده از ویژگی های استخراجی تبدیل والش به مراتب بهتر از دسته بندی بر اساس ویژگی های دو تبدیل دیگر است. نرخ تشخیص با استفاده از روش پیشنهادی و svm، 42.5 درصد و با روش نزدیکترین همسایه 39.0 درصد است.
    در مقایسه ای دیگر، نتایج حاصل با نتایج پیاده سازی شده بر روی این مجموعه داده، در چهارمین دوره مسابقات BCI مقایسه شده است. نتایج نشان داد که روش دسته بندی با استفاده از تبدیل والش از همه¬ی روشها به جز نفر اول بهتر است.. ولی مزیتی که روش پیشنهادی نسبت به همه روشها دارد این است که در بحث زمانی این روش دارای مجموع زمان تست و آموزش کمی است. این زمان 52 ثانیه می باشد که نسبت به روش اول که 403 و 640 ثانیه است به مراتب بهتر است.

    فهرست
    فصل اول
    مقدمه
    1-1- مقدمه
    1-2- تاریخچه BCI
    1-3- کاربردهای BCI
    1-4- تعریف مساله
    1-5 – ساختار پایان نامه
    فصل دوم
    سیگنالهای مغزی
    2-1- مقدمه
    2-2- کشف سیگنالهای مغزی
    2-3- ثبت سیگنالهای مغزی
    2-4- پیش پردازشها روی سیگنالهای مغزی
    فصل سوم
    مروری بر تحقیقات انجام شده در زمینه دسته بندی سیگنالهای مغزی
    3-1- مقدمه
    3-2- معرفی داده های موجود
    3-2-1- مشخصات داده هاي ثبت شده توسط گروه دانشگاه Colorado
    3-2-2- مشخصات داد ه هاي ثبت شده توسط گروه Graz
    3-2-3- مشخصات دادههای MIT-BIH
    3-3- استخراج ویژگی
    3-4- دسته بندی
    فصل چهارم
    مقایسه تحلیلی تبدیل فوریه ، موجک و والش
    4-1- مقدمه
    4-2- تبدیل فوریه
    4-3- تبدیل موجک
    4-3-1- مقیاس.
    4-4- تاریخچه تبدیل والش
    4-4-1- توابع والش
    4-4-2- تبدیل والش
    فصل پنجم
    توصیف روش پیشنهادی
    5-1- مقدمه
    5-2- پایگاه داده مورد استفاده
    5-3- حذف نویز
    5-3-1- آنالیز مولفه های مستقل
    5-3-2- حذف نویز با استفاده از آنالیز مولفه هایمستقل
    5-3-3- حذف نویز با استفاده از تبدیل موجک
    5-3-4- حذف نویز با استفاده از تبدیل والش
    5-3-5- حذف نویز با استفاده از روش ترکیبی تبدیل والش و ICA
    5-4- استخراج ویژگی
    5-4-1- آنتروپی
    5-4-2- استخراج ویژگی با استفاده از تبدل والش
    5-4-3- استخراج ویژگی با استفاده تبدیل فوریه و موجک
    5-5- ماشین بردار پشتیبان (Support Vector Machin)
    5-5-1- ابر صفحه جداساز
    5-5-2- جداسازی غیر خطی
    فصل ششم
    نتایج و نتیجه گیری
    6-1- مقدمه
    6-2- حذف نویز
    6-3- معیارهای ارزیابی
    6-3-1- نسبت سیگنال به نویز (Signal to Noise Rate)
    6-3-2- میانگین مربع خطا (Mean Square Error)
    6-3-3- جذر میانگین تفاضل مربعات(درصد)(Percentage Root Mean Square Difference)
    6-4- استخراج ویژگی
    6-4-1- ویژگیهای تبدیل والش
    6-4-2- ویژگیهای تبدیل فوریه
    6-4-3- ویژگیهای تبدیل موجک
    6-5- مقایسه با کارهای مرتبط بر روی این مجموعه داده
    6-6- نتیجه گیری
    6-7- پیشنهاد ها
    منابع

    فهرست شکل ها
    عنوان صفحه

    شکل 1-1 – واحد های پردازشی و دسته بندی در یک سیستم BCI
    شکل 2-1- محل قرار گرفتن الکترود ها در سیستم
    شکل 2-2- محدوده دامنه و فرکانس برخی از سیگنالهای حیاتی
    شکل 4-1 – سیگنال ایستا دارای چهار جزء فرکانسی 5 ، 10، 20 و 50 هرتز
    شکل 4-2 – تبدیل فوریه سیگنال رابطه 2-4))
    شکل 4-3 – سیگنال غیر ایستا دارای چهار جزء فرکانسی 5، 10، 20 و 50 هرتز
    شکل 4-4 – تبدیل فوریه سیگنال شکل (3-4)
    شکل 4-5- تجزیه سیگنال با استفاده از تبدیل موجک
    شکل 4-6- مقیاسهای مختلف یک تابع کسینوسی
    شکل 4-7- تبدیل موجک در یک مقیاس خاص
    شکل 4-8- تابع والش برای n=8
    شکل 5-1- نحوه قرارگیری الکترودها بر روی سر هنگام ثبت سیگنالهای مغزی مورد استفاده
    شکل 5-2- سیگنالهای گرفته شده توسط هر کانال
    شکل 5-3- مولفههای بدست آمده توسط ICA
    شکل 5-4- تبدیل والش از کانال های سیگنال
    شکل 5-5- حد آستانه مشخص شده بر روی تبدیل والش برای حذف نویز
    شکل 5-6- حد آستانه مشخص شده بر روی تبدیل والش، مولفههای ICA برای حذف نویز
    شکل 5- 7 – صفحه های جداساز و بردارهای پشتیبان
    شکل 5- 8 – صفحه جداساز و نواحی مربوط به هر کلاس
    شکل 5-9- افزایش بعد جهت جداسازی خطی دادهها
    شکل 6-1- سیگنال اصلی و سیگنال دارای نویز
    شکل 6-2- سیگنال حاصل از حذف نویز با استفاده از روش ICA ، روش ترکیبی والش- ICA ، تبدیل والش و تبدیل موجک
    شکل 6-3- نسبت سیگنال به نویز ده سیگنال
    شکل 6-4- میانگین مربع خطا برای ده سیگنال
    شکل 6-5- جذر میانگین تفاضل مربعات(درصد) برای ده سیگنال
    شکل 6-6- آنتروپی توالی کانالهای سیگنالهای کلاس اول
    شکل 6-7- توان آنتروپی هر کانال از سیگنالهای کلاس اول
    شکل 6-8- آنتروپی تبدیل فوریه کانالهای سیگنالهای کلاس اول
    شکل 6-9- آنتروپی تبدیل موجک کانالهای سیگنالهای کلاس اول

    فهرست جدول ها
    عنوان صفحه

    جدول 3-1 – انواع ویژگیهای استفاده شده در پردازش سیگنال
    جدول 4-1 – مقدار توابع والش و خروجی این تابع
    جدول 6-1-نرخ تشخیص طبقه بندی کننده SVM و نزدیکترین همسایه برای دو مجموعه داده بر اساس ویژگیهای تبدیل والش
    جدول 6-2-نرخ تشخیص طبقه بندی کننده SVM و نزدیکترین همسایه برای دو مجموعه داده بر اساس ویژگی های تبدیل فوریه
    جدول 6-3-نرخ تشخیص طبقهبندی کننده SVM و نزدیکترین همسایه برای دو مجموعه داده بر اساس ویژگیهای تبدیل موجک
    جدول 6-4- نتایج دستهبندی بر اساس ویژگیهای سه روش
    جدول 6-5- مقایسه متوسط زمان اجرای تبدیل والش ، تبدل فوریه و تبدیل موجک
    جدول 6-6- مقایسه متوسط زمان اجرای روش پیشنهادی با نفر اول مسابقات BCI و تبدل فوریه و تبدیل موجک
    جدول 6-7- مقایسه نرخ تشخیص روش پیشنهادی با 4 نفر اول مسابقات BCI

     

    قيمت فايل ورد پروژه : 7000 تومان

     دانلود فایل ورد بلافاصله بعد از پرداخت هزینه

    بلافاصله پس از پرداخت ، لینک دانلود پایان نامه به شما نشان داده می شود

    پشتیبانی سایت :        09010633413

     

    فایل مورد نظر خودتان را پیدا نکردید ؟ نگران نباشید . این صفحه را نبندید ! سایت ما حاوی حجم عظیمی از پایان نامه های دانشگاهی است. مطالب مشابه را هم ببینید. برای یافتن فایل مورد نظر کافیست از قسمت جستجو استفاده کنید. یا از منوی بالای سایت رشته مورد نظر خود را انتخاب کنید و همه فایل های رشته خودتان را ببینید

     

     

    کسب درآمد با فروش فایل های سایت ما

    درباره : پایان نامه و مقالات فنی مهندسی , پایان نامه های کامپیوتر ,
    برچسب ها : تبدیل موجک و فوریه , تبدیل والش , جذر میانگین تفاضل مربعات(درصد)( (PRD , حذف نویز , سیگنال¬های مغزی , طبقه بندی کننده SVM , میانگین مربع خطا(MSE) , نزدیکترین همسایه , نسبت سیگنال به نویز(SNR) , هوش مصنوعی , تاریخچه BCI , کاربردهای BCI , سیگنالهای مغزی , پایان نامه ارشد هوش مصنوعی , مهندسی کامپیوتر , گرایش هوش مصنوعی , دانلود پایان نامه ,
    بازدید : 440 تاریخ : نویسنده : بهرام محمدپور | نظرات ()
    ارسال نظر برای این مطلب

    نام
    ایمیل (منتشر نمی‌شود) (لازم)
    وبسایت
    :) :( ;) :D ;)) :X :? :P :* =(( :O @};- :B /:) :S
    نظر خصوصی
    مشخصات شما ذخیره شود ؟ [حذف مشخصات] [شکلک ها]
    کد امنیتی
    آمار سایت
  • آمار مطالب
  • کل مطالب : 1964
  • کل نظرات : 0
  • آمار کاربران
  • افراد آنلاین : 2
  • تعداد اعضا : 1
  • آمار بازدید
  • بازدید امروز : 624
  • باردید دیروز : 2,312
  • گوگل امروز : 0
  • گوگل دیروز : 6
  • بازدید هفته : 15,388
  • بازدید ماه : 54,878
  • بازدید سال : 126,431
  • بازدید کلی : 707,904