طبقه بندي سيگنالهاي مغزي با استفاده از ويژگيهاي غيرخطي احتمال همگامي و احتمال همگامي فازي و مدل ANFIS

نشاندهنده پتانسيل بيوالكتريكي توليدشده توسط سلولهاي عصبي قشر EEG( سيگنالهاي الكتروانسفالوگرافي براي درك پارامترهاي مشخصه از فعاليت مغز، مسئله اساسي سامانههاي رابط EEG مغز است. تفسير سيگنالهاي قابلاستفاده و قابلاعتماد نياز به يك طبقهبندي دقيق و مؤثر از سيگنالهاي BCI ) است. ساخت يك BCI( مغز و رايانه چندكاناله دارد. ازآنجاكه استخراج ويژگي نقش اساسي در تعيين عملكرد طبقهبندي ايفا ميكند و با توجه به EEG ، در اين مقاله از يك رويكرد استخراج ويژگي تركيبي بر اساس دو ويژگي EEG ماهيت آشوبگون و غيرخطي سيگنال غيرخطي شامل احتمال همگامي و احتمال همگامي فازي استفاده ميشود .بهمنظور انتخاب ويژگي از روش تحليل مؤلفههاي اصلي استفاده نموديم. ويژگيهاي غيرخطي، نويزي و دادههاي خارج از محدوده سيگنالهاي الكتروانسفالوگرافي الهامبخش بهكارگيري منطق فازي به دليل قدرتش براي رسيدگي به عدم قطعيت است. بنابراين ما زنان و مردان سالم EEG در اين تحقيق از سيستم استنتاج فازي-عصبي تطبيقي، بهمنظور طبقهبندي سيگنالهاي k براي بررسي تمايزات جنسيتي مغز استفاده كرديم و پس از اجراي آزمون 96 - به صحت fold cross validation درصد 93/1 درصد دستيافتيم كه در مقايسه با صحت به دست آمده در مقاله پايه بهبوديافته است