Biblioteca73.326 documentos en línea

Artículo

Classification of Two Class Motor Imagery Tasks Using Hybrid GA-PSO Based K -Means ClusteringClasificación de tareas de imágenes motoras de dos clases mediante clustering híbrido GA-PSO basado en K -Means

Resumen

La transferencia de la interfaz cerebro-ordenador (BCI) de las condiciones de laboratorio a la aplicación en el mundo real requiere que la BCI se aplique de forma asíncrona sin ninguna limitación de tiempo. El alto nivel de dinamismo de la señal del electroencefalograma (EEG) nos lleva a buscar un algoritmo evolutivo (AG). Motivado por estos dos hechos, en este trabajo se ha utilizado una técnica híbrida de clustering GA-PSO basada en K -means para distinguir dos clases de tareas de imaginería motora (MI). El clustering híbrido GA-PSO basado en K -means propuesto supera a las técnicas de clustering de K -means basadas en algoritmos genéticos (GA) y en optimización de enjambre de partículas (PSO) tanto en términos de precisión como de tiempo de ejecución. El menor tiempo de ejecución de la técnica híbrida GA-PSO la hace adecuada para aplicaciones BCI en tiempo real. Las técnicas de representación de la frecuencia temporal (TFR) se han utilizado para extraer las características de la señal investigada. Las características basadas en TFRs se extraen y basándose en el concepto de sincronización relacionada con el evento (ERD) y desincronización (ERD) se forma el vector de características.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento