Система за класификация на ЕЕГ сигнали за мозъчно-компютърни интерфейси движение ляво/дясно или нито едно от двете | Защитена на: 01/01/1900

  В дипломната работа бяха анализирани и класифицирани ЕЕГ сигнали с продължителност 1 секунда, отговарящи на мисъл за посоките ляво, дясно и нито една от двете посоки. Поради малкият брой примери и големият брой атрибути бе обърнато специално внимание на избора на важни канали и атрибути.

  Спектрални характеристики на сигналите бяха извлечени по метода на Уелч. Каналите, които записват важна информация за поставените задачи, бяха избрани чрез ранкиране, последвано от постъпково избиране. За оценка на подмножествата от канали бе използван алгоритъма k най-добри съседи.

  Рекурентна невронна мрежа с GRU клетка бе използвана за класификация на необработените сигнали. Точността ѝ бе сравнима с прогноза на случаен принцип. Предварителната обработка на ЕЕГ сигнали и броят примери са от съществено значение за правилната им класификация.

  Бяха премахнати спектрални характеристики на сигналите, които са независими от класа според теста χ-квадрат и характеристики, които корелират помежду си.  Критичното ниво на корелация за всеки от атрибутите зависи от достоверността, с която атрибутът е независим от класа.  След това размерността на данните бе намалена по метода на главните компонентни. Свиването на пространството е необходимо поради големия брой атрибути, които  допринасят шум и големия брой корелации в данните.

  Обработените сигнали бяха класифицирани чрез различни алгоритми: класификационно дърво,  k най-близки съседи,  поддържащи векторни машини със сферично ядро и без ядро.

  Бяха приложени три различни стратегии за класификация чрез поддържащи вектори.  Това са стратегиите „един срещу всички“, „един срещу един“  и класификация  “движение/дума”, последвана от класификация  “ляво/дясно” за примерите от клас движение .

  Най-добра точност бе постигната  чрез система от две поддържащи векторни машини със сферично ядро, където първо примерът се класифицира като “движение/дума” и след това като “ляво/дясно”, ако принадлежи към клас “движение ”. Основно предимство на тази система е по-малкият брой класификатори. Въпреки малкият брой примери и отсъствието на възможност потребителят да се приспособи към системата, постигнатата точност е много по-голяма от прогноза на случен принцип.

  Резултатите от дипломната работа демонстрират способността на разработената система за класификация на ЕЕГ сигнали.