Use este identificador para citar ou linkar para este item: http://repositorio.roca.utfpr.edu.br/jspui/handle/1/5145
Título: Revisão e comparação de classificadores em um experimento utilizando interface cérebro-computador
Autor(es): Silva, Willian Moreira da
Orientador(es): Hübner, Rodrigo
Palavras-chave: Interface cérebro-computador
Processamento de sinais
Sistemas de computação
Brain-computer interfaces
Signal processing
Computer systems
Data do documento: 23-Jun-2016
Editor: Universidade Tecnológica Federal do Paraná
Câmpus: Campo Mourao
Referência: SILVA, Willian Moreira da. Revisão e comparação de classificadores em um experimento utilizando interface cérebro-computador. 2016. 39 f. Trabalho de Conclusão de Curso (Graduação) – Universidade Tecnológica Federal do Paraná, Campo Mourão, 2016.
Resumo: Uma Interface Cérebro-Computador (ICC) pode ser utilizada para controlar diversos dispositivos eletrônicos, como computadores, smartphone e os movimentos de um robô, por exemplo. A construção de uma ICC pode ser dividida em cinco etapas: aquisição de sinais, pré-processamento, extração de características, classificação e aplicação. Para a etapa de classificação são utilizados classificadores com o objetivo de detectar as intenções do usuário para que sejam executadas na aplicação desejada. Porém, existe uma grande variedade de classificadores disponíveis, sendo que nem todos podem ter um bom desempenho para a aplicação desejada. Nesse contexto, foram selecionados os classificadores Support Vector Machine (SVM) e o Linear Discriminant Analysis (LDA) para serem avaliados utilizando uma aplicação ICC. A aplicação utilizada foi o P300 Speller, que é um soletrador implementado no software OpenViBE. Ao longo do trabalho são descritos os hardwares para aquisição de sinais e também os cenários implementados no software OpenViBE, utilizados para criar o soletrador seguindo o paradigma P300. Foram realizados dois experimentos denominados Caso 1, em que o algoritmo LDA acertou 7% dos alvos e o Caso 2, em que os algoritmos LDA e SVM acertaram 16% e 8%, respectivamente.
Abstract: A Brain-Computer Interface (BCI) can be used to control various electronics devices such as computers, smartphones and movements of a robot, for example. The construction of a BCI can be divided into five stages: signal acquisition, preprocessing, feature extraction, classification and application. For the classification stage classifiers are used to detect the user’s intentions that are performed in the desired application. However, there is a wide range of classifiers available, and not all classifiers can have a good performance for the desired application. In this context, the Support Vector Machine (SVM) and Linear Discriminant Analysis (LDA) classifiers were selected to be evaluated using an ICC application. The application used was P300 Speller, which is a speller implemented in OpenViBE software. Throughout the work, we describe the hardware for signal acquisition and also the scenarios implemented in OpenViBE software used to create the speller following the paradigm P300. Two experiments were performed denominated Case 1, wherein the LDA algorithm hit 7% of targets and Case 2, wherein the LDA and SVM algorithms hit 16% and 8%, respectively.
URI: http://repositorio.roca.utfpr.edu.br/jspui/handle/1/5145
Aparece nas coleções:CM - Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
CM_COCIC_2016_1_05.pdf2,16 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.