Browsing by Author "陳致仰"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    改良式對角化主要成份分析法應用於兩類別想像動作腦電波的分類
    (2007) 陳致仰
    本論文提出一個有效的方法，對受測者在意圖抬起左手小指頭與意圖吐舌頭時的腦電波做辨識。腦電波辨識是否成功的關鍵，在於特徵擷取與分類兩個議題。過去文獻將重點放在分類演算法的改良上，然而找出更簡單而重要的特徵，也可以獲得高辨識率。對角化主要成份分析法(DiaPCA)可以從腦電波高維度的時-頻-空域資料矩陣中找出主要的成份。被挑選出來的主要成份可構成一個較低維度的特徵矩陣，但仍保有兩種想像動作的腦電波之間主要的特徵差異。因此，藉由計算特徵矩陣間的歐氏距離就可分類腦電波。這個方法比起其他分類演算法，如支持向量機(SVM)，不但較為簡單，而且不會降低辨識率。本論文提出利用「改良式對角化主成份分析法」對腦電波擷取特徵並辨識，結果顯示，腦電波辨識的準確率大幅提升了10.07%。
  • No Thumbnail Available
    Item
    改良式對角化主要成份分析法應用於腦電波辨識
    (2007-06-01) 陳致仰; 葉榮木; 蔡俊明
    本篇文章提出一個有效的方法，對受測者在意圖吐舌頭與意圖舉起左手時的腦電波做辨識。腦電波辨識是否成功的關鍵，在於特徵擷取與分類兩個議題，有別於過去文獻將重點放在分類演算法的改良上，我們認為找出更具代表性和更精簡的特徵，同樣值得重視。若選取的特徵能夠讓類別之間的差異變大，我們就可以使用很簡單的方法，來取代原先複雜的分類演算法，也不會降低辨識的準確率。在此，我們採用在人臉影像辨識中，具有良好效果的對角化主成份分析法(DiaPCA)，來擷取腦電波特徵，並加以辨識。我們除了找出 DiaPCA 在腦電波辨識的應用中最佳的參數條件之外，並提出了「改良式對角化主成份分析法」，來提升其辨識率。研究結果顯示，我們所做的修改，將原始的 DiaPCA應用在腦電波辨識的準確率大幅提升了10.79%。