تحليل سيگنال‎هاي EEG به‌كمك طيف‌هاي مرتبۀ بالا در كاربرد بازاريابي عصبي

درك چگونگي تصميم‌گيري مصرف‌كنندگان، يكي از مباحث موردتوجه پژوهشگران، بازاريابان و مديران صنعتي است. در اين مقاله از سيگنال‎هاي مغزي (EEG) 25 شركت‌كننده در زمان مشاهدۀ 14 محصول مختلف استفاده شده است. ابتدا سيگنال‌هاي EEG پيش‌پردازش شده و سپس ويژگي‌هايي از طيف‎هاي مرتبۀ بالا (HOS) به‌‌صورت مجموع اندازۀ دوطيفي‌‌‌ها، مجموع مربع اندازۀ دوطيفي‌ها، مجموع اندازۀ دوهمدوسي‌‌‌ها و مجموع مربع اندازۀ دوهمدوسي‎‌‌ها در هريك از 10 محدودۀ صفحۀ دوفركانسي و همچنين در كل محدودۀ فركانسي و ويژگي‌هاي آزمون هاينيچ نظير مقدار خي‌دو (CSV)، اﺣﺘﻤﺎل ﻫﺸﺪار ﮐﺎذب (Pfa) وLambda  به‌‌منظور بررسي ارتباط حالت‌هاي دوست‌داشتن و دوست‌نداشتن محصول استخراج شده است. جمعاً 48 ويژگي براي هر كانال سيگنال EEG محاسبه شده كه با احتساب 14 كانال‌‌ براي هر نمونه 672 ويژگي به دست آمده است. ويژگي‌هاي برتر به‌كمك الگوريتم ژنتيك (GA) و روش نزديك‌ترين همسايه در مدل رپر انتخاب‌ شد و درنهايت با شبكۀ عصبي پرسپترون چندلايه (MLP) و ماشين بردار پشتيبان (SVM) طبقه‌بندي شد. در مرحلۀ انتخاب ويژگي، 206 ويژگي حاصل شد. نتايج نشان داد مدل پيشنهادي به‌كمك SVM با هستۀ گوسي توانسته به‌طور ميانگين روي كليۀ كاربران به صحت 73.24درصد برسد؛ بنابراين، مشاهده مي‎شود روش پيشنهادي عملكرد مناسبي در تشخيص حالت‌‌هاي دوست‎داشتن و دوست‌نداشتن محصول دارد و در كاربرد بازاريابي عصبي مفيد است.