خانه راهنمای خرید پیگیری سفارش پشتیبانی درباره ما تماس با ما
محصولات مرتبط
دانلود قالب پاورپوینت مهندسی کامپیوتر Computer PowerPoint
دانلود قالب پاورپوینت مهندسی کامپیوتر Computer PowerPoint
قیمت : 10,500 تومان
دانلود حل المسائل مهندسی نرم افزار یان سامرویل Ian Sommerville
دانلود حل المسائل مهندسی نرم افزار یان سامرویل Ian Sommerville
قیمت : 50,000 تومان
مقاله بررسی چارچوب های یادگیری عمیق مقیاس پذیر
مقاله بررسی چارچوب های یادگیری عمیق مقیاس پذیر
قیمت : 15,750 تومان
مقاله مروری بر معماری یادگیری عمیق برای تصویربرداری مغز مبتنی بر EEG
مقاله مروری بر معماری یادگیری عمیق برای تصویربرداری مغز مبتنی بر EEG
قیمت : 15,750 تومان

مقاله طبقه‌بندی خستگی راننده با استفاده از اجزای مستقل

مقاله طبقه‌بندی خستگی راننده با استفاده از اجزای مستقل

عنوان مقاله فارسی: طبقه‌بندی خستگی راننده با استفاده از اجزای مستقل با استفاده از تجزیه و تحلیل Minimization محدود Rate در یک سیستم مبتنی بر "EEG"

عنوان مقاله لاتین: Driver Fatigue Classification With Independent Component by Entropy Rate Bound Minimization Analysis in an EEG-Based System

نویسندگان: Rifai Chai; Ganesh R. Naik; Tuan Nghia Nguyen; Sai Ho Ling; Yvonne Tran; Ashley Craig; Hung T. Nguyen

تعداد صفحات: 9

سال انتشار: 2017

زبان: لاتین


Abstract:

This paper presents a two-class electroencephal-ography-based classification for classifying of driver fatigue (fatigue state versus alert state) from 43 healthy participants. The system uses independent component by entropy rate bound minimization analysis (ERBM-ICA) for the source separation, autoregressive (AR) modeling for the features extraction, and Bayesian neural network for the classification algorithm. The classification results demonstrate a sensitivity of 89.7%, a specificity of 86.8%, and an accuracy of 88.2%. The combination of ERBM-ICA (source separator), AR (feature extractor), and Bayesian neural network (classifier) provides the best outcome with a p-value <; 0.05 with the highest value of area under the receiver operating curve (AUC-ROC = 0.93) against other methods such as power spectral density as feature extractor (AUC-ROC = 0.81). The results of this study suggest the method could be utilized effectively for a countermeasure device for driver fatigue identification and other adverse event applications.

فایل هایی که پس از خرید می توانید دانلود نمائید

driver fatigue classification with independent component by entropy rate bound minimization analysis in an eeg-based system_1620136095_48191_4145_1692.zip2.70 MB
پرداخت و دانلود محصول
بررسی اعتبار کد دریافت کد تخفیف
مبلغ قابل پرداخت : 15,750 تومان پرداخت از طریق درگاه
انتقال به صفحه پرداخت