Revisão e comparação de classificadores em um experimento utilizando interface cérebro-computador

• Autor(a) principal: Silva, Willian Moreira da
• Data de Publicação: 2016
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
• Texto Completo: http://repositorio.utfpr.edu.br/jspui/handle/1/6020
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO; Interface cérebro-computador; Processamento de sinais; Sistemas de computação; Brain-computer interfaces; Signal processing; Computer systems

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.