KOMPARATIVNE EVALUACIJE SAVREMENIH ALGORITAMA ZA BCI ZASNOVANIM NA SSVEP
Ključne reči:
EEG signali, obrada podataka, kNN, NN, DT
Apstrakt
U ovom radu dat je pregled različitih primenjenih algoritama na snimljene EEG signale 11 ispitanika posmatranih zajedno i pojedinačno, gde su pomoću 3 različita tipa filtriranja, izdvajanja obeležja i klasifikacija poređeni rezultati. Kao najbolji su se pokazali eliptički filter, periodogram i k-NN algoritam ostarivši tačnost od 58.47%, odnosno 90.4% za klasifikaciju u 5 klasa.
Reference
[1] A. M. Norcia, L. G. Appelbaum, J. M. Ales, B. R. Cottereau, B. Rossion, “The steady-state visual evoked potential in vision research: a review”, Journal of Vision, (2015.)
[2] T. Sand, M. B. Kvaley, T. Wader, H. Hovdal, ”Evoked potential tests in clinical diagnosis”, Tidsskriftet – den Norske legeforening, (2013.)
[3] S. Tobimatsu, “Transient and steady state VEPs – reappraisal”, International Congress Series
[4] V. P. Oikonomou, G. Liaros, K. Georgiadis, E. Chatzilari, K. Adam, S. Nikopoulos, I. Kompatsiaris, “Comparative evaluation of state-of-the-art algorithms for SSVEP-based BCIs”, Technical Report, 2016.
[2] T. Sand, M. B. Kvaley, T. Wader, H. Hovdal, ”Evoked potential tests in clinical diagnosis”, Tidsskriftet – den Norske legeforening, (2013.)
[3] S. Tobimatsu, “Transient and steady state VEPs – reappraisal”, International Congress Series
[4] V. P. Oikonomou, G. Liaros, K. Georgiadis, E. Chatzilari, K. Adam, S. Nikopoulos, I. Kompatsiaris, “Comparative evaluation of state-of-the-art algorithms for SSVEP-based BCIs”, Technical Report, 2016.
Objavljeno
2024-01-05
Sekcija
Biomedicinsko inženjerstvo
