ارايه روشي خودكار براي تشخيص سيگنال هاي EEG با استفاده ازSVM و الگوريتم شيران(LOA)

Providing automated method for classifying eeg signals using neural network loa algorithms

الكتروانسفالوگرام (EEG) كه براي نمايش فعاليت الكتريكي مغز استفاده مي شود، ابزار كلينيكي مناسبي براي تشخيص بي نظمي هاي مربوط به صرع است. آشكارسازي spike هاي صرعي نقش بسيار مهمي در تشخيص صرع ايفا مي كند .در اين پروژه، طراحي و پياده سازي سيستم تشخيص spikeهاي صرعي با استفاده از روش تركيبي تبديل موجك گسسته و شبكه عصبي svm ارائه شده است. در اين مقاله از تبديل موجك براي استخراج ويژگي سيگنال EEG استفاده شده است و توانايي اين ويژگيها در طبقه بندي رخدادهاي موجود در سيگنال EEG بررسي شده است. كار طبقه بندي با استفاده از شبكه عصبي svm انجام شده است. دليل استفاده از شبكه svm، آموزش نسبتا ساده و برخلاف شبكه هاي عصبي در ماكزيمم محلي گير نمي افتد، براي داده هاي با ابعاد بالا خوب جواب ميدهد، مصالحه بين پيچيدگي دسته بندي كننده وميزان خطا به طور واضح كنترل مي شود و عملكرد مناسب اين شبكه در مسائل طبقه بندي مي باشد.الگوريتم فرا ابتكاري شيران ،در مرحله انتخاب ويژگي سيگنال هاي مغزي و كاهش انتخاب ويژگي بهينه مورد توجه قرار گرفته است و از ماشين بردار براي طبقه بندي نهايي استفاده مي شود.