Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

1 Przegląd Elektrotechniczny

1 2023

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

An improved performance of support vector machine to classify EEG motor imagery based on differential asymmetry

100%

Putranto Y. T. , Putra O. V. , Hafidz I. , Sardjono A. , Hariadi M. , Putranto Y. T.

Przegląd Elektrotechniczny

2023

tom R. 99, nr 6

196--203

One challenge in EEG motor imaging is th e low signal-to-noise ratio of brain signals. Its emergence in the accurate rendition of brain signals varies significantly from person to person. Here, we propose a framework to classify tasks based on fusion features using a Support Vector Machine. Our features are acquired from Discrete Wavelet Transform and Empirical Mode Decomposition. Subsequently, the disparity between measurements of left and right brain signals was calculated. Our proposed work significantly improves accuracy from 83.29 % to 93.16 % compared to previous work.

Jednym z wyzwań w obrazowaniu motorycznym EEG jest niski stosunek sygnału do szumu sygnałów mózgowych. Jego pojawienie się w dokładnym przekazywaniu sygnałów mózgowych różni się znacznie w zależności od osoby. Tutaj proponujemy ramy do klasyfikowania zadań w oparciu o funkcje fuzji przy użyciu maszyny wektorów nośnych. Nasze funkcje są uzyskiwane z dyskretnej transformacji falkowej i dekompozycji trybu empirycznego. Następnie obliczono rozbieżność między pomiarami sygnałów lewego i prawego mózgu. Nasza proponowana praca znacznie poprawia dokładność z 83,29% do 93,16% w porównaniu z poprzednią pracą.