ارائه الگوريتم طبقه بندي براي سيگنال هاي مغزي ناشي از تصورات حركتي مبتني بر BCI چند كلاسه بر اساس تكنيك فازي-ماشين بردار پشتيبان

سيستم هاي BCI براي توليد سيگنال هاي كنترلي از سيگنال EEG و طبقه بندي تصورات حركتي استفاده مي شوند. در اين مقاله جهت طبقه بندي تصورات حركتي، با استفاده از ثبت سيگنال EEG از سه فرد سالم با ميانگين سني 25/66 سال، از طبقه بند FSVM استفاده شده است، نتايج مطالعه نشان مي دهد كه دقت طبقه بندي تصورات حركتي، از طريق استخراج ويژگي هاي خطي و غيرخطي از سيگنال سپس انتخاب ويژگي ها از طريق الگوريتم تكاملي ژنتيك و طبقه بندي با استفاده از روش فازي-ماشين بردار پشتيبان، 89/26 % مي باشد.