In this paper, a new classification

In this paper, a new classification method has been
developed utilizing a sparse representation (SR) of EEG
signals for the motor imagery based BCI application. We
use a common spatial pattern (CSP) for preprocessing of
EEG data and the SMRs as a feature of BCI system. To
evaluate the performance of the proposed classification
method, we use two classes, the left hand and the right hand,
of motor imagery data sets collected from four subjects. We
also evaluate the performance of the LDA method for
comparison with the performance of the proposed method.

ผลลัพธ์ (ไทย) 1:

ในกระดาษนี้ วิธีการจัดประเภทใหม่ได้พัฒนาการใช้การแสดงห่าง (SR) ของ EEGสัญญาณสำหรับภาพยนต์ตามโปรแกรมบีซีไอ เราใช้รูปแบบเชิงพื้นที่ทั่วไป (CSP) สำหรับการประมวลผลเบื้องต้นของข้อมูล EEG และ SMRs เป็นคุณสมบัติของระบบบีซีไอ ถึงประเมินประสิทธิภาพของการจัดประเภทที่เสนอวิธี เราใช้สองชั้นเรียน มือซ้าย และ มือขวาภาพยนต์ชุดข้อมูลที่เก็บรวบรวมจาก 4 วิชา เรายัง ประเมินประสิทธิภาพของวิธีการ LDAเปรียบเทียบกับประสิทธิภาพของวิธีการนำเสนอ

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เป็นวิธีการจัดหมวดหมู่ใหม่ได้รับการ
พัฒนาโดยใช้ตัวแทนเบาบาง (อาร์) ของ EEG
สัญญาณภาพมอเตอร์การประยุกต์ใช้ BCI เรา
ใช้รูปแบบเชิงพื้นที่ที่พบบ่อย (CSP) สำหรับการประมวลผลเบื้องต้นของ
ข้อมูล EEG และ SMRs เป็นคุณลักษณะของระบบ BCI เพื่อ
ประเมินประสิทธิภาพของการจำแนกประเภทที่นำเสนอ
วิธีการที่เราจะใช้สองชั้นด้านซ้ายมือและขวามือ
ของชุดข้อมูลภาพมอเตอร์ที่เก็บรวบรวมจากสี่วิชา เรา
ยังประเมินประสิทธิภาพของวิธีการ LDA สำหรับ
การเปรียบเทียบกับผลการดำเนินงานของวิธีการที่นำเสนอ

ผลลัพธ์ (ไทย) 3:

ในกระดาษนี้ การจำแนกใหม่ได้พัฒนาขึ้นโดยใช้การเบาบาง ( SR ) ของคลื่นสมองสัญญาณสำหรับมอเตอร์ภาพ BCI โปรแกรมประยุกต์ เราใช้ร่วมกันพื้นที่รูปแบบ ( CSP ) สำหรับการเตรียมของข้อมูล สมองกับ smrs เป็นคุณลักษณะของระบบ BCI . เพื่อประเมินประสิทธิภาพของการเสนอวิธีที่เราใช้ สองชนชั้น มือซ้าย และมือขวาข้อมูลภาพชุดมอเตอร์จำนวนสี่คน เราประเมินการปฏิบัติงานของ lda วิธีการเปรียบเทียบประสิทธิภาพของวิธีการที่ได้นำเสนอ