Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

Publikacje Pracowników PL z lat 1990-2010

Publikacje pracowników Politechniki Lubelskie z lat 1990-2010 dostępne są jak dotychczas w starej bazie publikacji
LINK DO STAREJ BAZY

MNiSW
20
Poziom I
Status:
Autorzy: Tokovarov Mikhail, Plechawska-Wójcik Małgorzata, Kaczorowska Monika
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Wersja dokumentu: Drukowana | Elektroniczna
Język: angielski
Strony: 305 - 316
Web of Science® Times Cited: 1
Scopus® Cytowania: 1
Bazy: Web of Science | Scopus
Efekt badań statutowych NIE
Materiał konferencyjny: NIE
Publikacja OA: NIE
Abstrakty: angielski
Electroencephalographic signals are known to be highly sensitive tovarious types of noise originating from external and internal sources. Externalsources are usually related to experiment conditions whereas internal artifactsare usually generated by the persons examined. Internal artifacts, in contrast toexternal ones, are characterised by non-stationarity, which results in higherdetection complexity. Typical internal artifacts are related to eye blinking, eyemovement and muscle activity.The paper presents the comparison results of various approaches to classifi-cation of EEG-related features. Another aspect reviewed in the paper is com-paring normalisation methods of dealing with inter-subject variability.The analysis process covered several parts. Preprocessing included signalfiltering and bad-channel removal. Signal epoching with 50% overlap wasapplied in order to achieve better time resolution. Feature extraction was basedon frequency analysis performed with the Welch method. Due to the highnumber of obtained features, the feature selection procedure was the essentialpart of the processing. Selected features were used to train and validate super-vised classifiers. The accuracy was the main measure used in classifier perfor-mance assessment.