بررسي اثر روشهاي حذف نويز بر عملكرد طبقه بندي كننده خودكار احساسات درسيگنال مغزي

وجود نويز در سيگنال مغزي (EEG) به هنگام پردازش در فرايند هاي پيچيده نظير استخراج الگو و طبقه بندي مي تواند عامل موثري در صحت و دقت نتايج نها‌يي باشد. اين مقاله به دنبال بررسي و مقايسه اثر روشهاي حذف نويز بر عملكرد طبقه بندي كننده خودكار احساسات مي‌باشد. بدين منظور سيگنال مغزي EEG افراد آزمون كه تحت تاثير نمايش تصوير چهره هاي احساسي قرار گرفته بودند ضبط شد. سپس از حذف نويز به روش آناليز مولفه هاي مستقل سريع پيشرفته (IFICA) در مقايسه روش آناليز همبستگي كانوني مبناي حذف گوسي (GECCA) و روش آناليز همبستگي كانوني (CCA) در مرحله پيش پردازش بهره گرفته شد و نتيجه اين مرحله پس از كاهش ابعاد داده‌ها به روش الگوهاي مشترك فضايي (CSP) به طبقه بندي كننده خودكار ماشين بردار پشتيباني (SVM) وارد شده و نتايج مورد ارزيابي قرار گرفت.يافته ها نشان دادند اگرچه روشهاي بر مبناي CCA خصوصا GECCA داراي سرعت بالاتري در مرحله پيش پردازش مي‌باشد اما صحت نتايج نهايي الگوريتم IFICA در حضور نويز طبيعي بيشتر بوده لذا رجحان هر روش مي تواند وابسته به نوع كاربرد و شرايط سيگنال باشد.