0% Complete
صفحه اصلی
/
سی و یکمین کنفرانس بین المللی مهندسی برق
Kernel-Based Embedded Feature Selection for Motor Imagery Based BCI
نویسندگان :
Mehdi Kamandar
1
1- دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته
کلمات کلیدی :
Brain–computer interface (BCI)،Electroencephalogram (EEG)،(Motor imagery (MI،)،Support vector machine (SVM)،Kernel-target alignment (KTA)،Embedded feature selection،l1 regularization،minibatch proximal gradient ascent
چکیده :
Brain-computer interface (BCI) based on motor imagery (MI) classification using scalp recorded multi-channel EEG signal play a major role in the control of artificial limbs and machines by people with severe disabilities. The most popular features are band power of EEG signals in frequency sub-bands in a relatively wide frequency band (e. g., 8-30 Hz) in different time windows of imagination period. The effectiveness of these features is highly dependent on the sub-bands and time windows adopted, since the optimal sub-bands and time windows is generally subject-specific. The nonlinear support vector machine (SVM) with Gaussian kernel is an excellent classifier for MI classification. In this paper, the SVM with an anisotropic Gaussian kernel with a special scaling factors for each feature is used, instead of one scale factor for all features. The scaling factors are tuned by maximizing the kernel-target alignment criterion with l1 regularization. Some of the scaling factors will be zero after maximization due to l1 regularization, that is equivalent to removing corresponding features from classification processes. Therefore, an embedded feature selection is also done to remove the destructive effect of irrelevant and redundant features. The average accuracy of the SVM classifier with anisotropic Gaussian kernel for four subjects in BCI IV-1 dataset is about 10% more than the SVM with isotropic Gaussian kernel.
لیست مقالات
لیست مقالات بایگانی شده
تحلیل عدم تعادل جریان سه فاز شبکه فشارضعیف توزیع در پی قطع هادی نول متصل به ترانسفورماتور با استفاده از مولفههای متقارن
احمد صالحی دوبخشری
Heart Abnormality Classification by Phonocardiogram Analysis Using Fusion in Feature and Decision Levels
Hossein Rahmati - Hassan Ghassemian - Maryam Imani
بازآرایی پویا شبکه توزیع با حضور ایستگاه شارژ خودرو الکتریکی به کمک یادگیری تقویتی
محمدامین ساعدی - صالح رازینی - محمدامین قاسمی
ارائه ساختار پیشنهادی ترانسفورماتور حالت جامد یک سویه در بهره برداری از شبکه های توزیع
بهنام بهارلوئی - رضا قندهاری - مهدی بابایی - یوسف عطائی
A Linear Position Sensor Proposal by Development of a Variable Reluctance Linear Resolver
Arman Ramezannezhad - Peyman Naderi - Lieven Vandevelde
ارائه چارچوب مدیریت بهینه انرژی و انعطافپذیری برای تجمیعکننده منابع انرژی پراکنده
نیلوفر پورقادری - محمود فتوحی فیروز آباد - معین معینی اقطاعی - میلاد کبیری فر
Enhancing the Performance of Piezoelectric Sensors Using RTV2 Elastomer Coatings
Amirreza Kamali - Amirhossein Jafari - Ehsan Maani Miandoab
Design and Manufacturing of a Programmable Spin Coater Based on a Brushless DC Motor
MirBehrad Mousavi - Saeed Javadizadeh - Seyed Ahmadreza Firoozabadi - Majid Badieirostami
A high speed method for features extraction in face recognition systems
Hosein Khorami - Hadishahriar Shahhoseini
Combination of Classifiers to Detecting Grade of Gliblastoma using MRS
Roqaie Moqadam - Nazila Loghmani - Meysam Siyahmansoori - Armin Allahverdy
بیشتر
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 43.6.0
