سال انتشار: ۱۳۸۷

محل انتشار: دومین کنفرانس داده کاوی ایران

تعداد صفحات: ۱۶

نویسنده(ها):

فاطمه داوری نیا –
سعید راحتی قوچانی –

چکیده:

طبقه بندی فعالیتهای ذهنی با استفاده از سیگنالهای مغزی روشی برای فهم و درک بهتر عملکرد و رفتار مغز می باشد. دو فعالیت مغزی ۱) استراحت ۲) تصور برای هدف این مطالعه اختیار شده است که از داده های الکتروانسفالوگرام که در حین فعالیت ذهنی، هم در حالت هوشیاری نرمال و هم حالت هیپنوتیزم (هوشیاری به همراه توجه زیاد) ثبت شده است استفاده می گردد. برای تعقیب دینامیک رفتار سیستم از طبقه بندی کننده Hidden Markov Model استفاده شده است ( قادر به آشکار کردن دینامیک موقت سیستم است) هم بر روی داده های خام و هم بعد فرکتال داده ها به عنوان بردار ویژگی اعمال می گردد. که نتایج بهتری را برای داده های خام نسبت به بعد فرکتال نشان می دهد. علاوه بر این، دو ساختار mHMM,dHMMبرای طبقه بندی به کار برده شده که mHMM به دلیل اینکه بردار ویژگی را مدل می کند از صحت بهتری برخوردار می باشد. از طرفی دیگر درصد صحت برای تفکیک فعالیتهای مغزی در حالت هوشیاری نرمال در شرایط مناسبتری به حالت هیپنوتیزم قرار می گیرند که همین موضوع دینامیک متفاوت این دو حالت را آشکار می کندبرای رسیدن به درصد تفکیک بهتر و با توجه به ماهیت فعالیت سیگنال مغزی که پدیده ای غیر قطعی می باشد از طبقه بندی کننده ی شبکه عصبی آشوبگونه که منطبق بر مدل فریمن است استفاده شده است. این طبقه بندی کننده شباهت بیشتری با سیگنال و ویژگی استخراج شده (بعد فرکتال) خواهد داشت. و از این رو دارای نتایج بسیار بهتری نسبت به طبقه بندی کننده ی HMM می باشد.