- 운동 형상 분류를 위한 웨이블릿 기반 최소의 특징 선택
- ㆍ 저자명
- 이상홍,신동근,임준식,Lee. Sang-Hong,Shin. Dong-Kun,Lim. Joon-S.
- ㆍ 간행물명
- 한국콘텐츠학회논문지
- ㆍ 권/호정보
- 2010년|10권 6호|pp.27-34 (8 pages)
- ㆍ 발행정보
- 한국콘텐츠학회
- ㆍ 파일정보
- 정기간행물| PDF텍스트
- ㆍ 주제분야
- 기타
이 논문은 한국과학기술정보연구원과 논문 연계를 통해 무료로 제공되는 원문입니다.
본 논문은 가중 퍼지소속함수 기반 신경망(neural network with weighted fuzzy membership functions, NEWFM)과 웨이블릿 기반의 특징 추출기법을 사용하여 왼쪽 또는 오른쪽의 운동 형상을 분류하는 방안을 제안하고 있다. 초기 특징을 추출하기 위해서 첫 번째 단계에서 웨이블릿 변환(wavelet transforms)을 이용하여 뇌파(electroencephalogram, EEG) 신호로부터 웨이블릿 계수들을 추출하였다. 두 번째 단계에서는 첫 번째 단계에서 추출한 웨이블릿 계수들을 통계적인 방법인 주파수 분포와 주파수 변동량을 이용하여 60개의 초기 특징을 추출하였다. 이들 60개의 초기 특징은 NEWFM에서 제공하는 비중복면적 분산 측정법에 의해 중요도가 가장 낮은 특징을 하나씩 제거되면서 정확도가 가장 높은 6개의 최소 특징을 선택되었다. 이들 6개의 최소 특징을 NEWFM의 입력으로 사용하여 86.43%의 정확도를 구하였다.
This paper presents a methodology for classifying left and right motor imagery using a neural network with weighted fuzzy membership functions (NEWFM) and wavelet-based feature extraction. Wavelet coefficients are extracted from electroencephalogram(EEG) signal by wavelet transforms in the first step. In the second step, sixty numbers of initial features are extracted from wavelet coefficients by the frequency distribution and the amount of variability in frequency distribution. The distributed non-overlap area measurement method selects the minimized number of features by removing the worst input features one by one, and then minimized six numbers of features are selected with the highest performance result. The proposed methodology shows that accuracy rate is 86.43% with six numbers of features.