Wyszukiwarka
Abstrakt
A variety of methods exists for electroencephalographic (EEG) signals classification. In this paper, we briefly review selected methods developed for such a purpose. First, a short description of the EEG signal characteristics is shown. Then, a comparison between the selected EEG signal classification methods, based on the overview of research studies on this topic, is presented. Examples of methods included in the study are: Artificial Neural Networks, Support Vector Machines, Fuzzy or k-Means Clustering. Similarities and differences between all considered methods of an automatic EEG signal classification with a focus on consecutive stages of such a process are reviewed. Examples of EEG classification, considering various types of usage and target applications along with their effectiveness, are also shown.
Cytowania
-
0
CrossRef
-
0
Web of Science
-
1
Scopus
Autorzy (4)
Cytuj jako
Pełna treść
pełna treść publikacji nie jest dostępna w portalu
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Aktywność konferencyjna
- Typ:
- materiały konferencyjne indeksowane w Web of Science
- Tytuł wydania:
- Proceedings of SPA2017 Signal Processing: Algorithms, Architectures, Arrangements, and Application strony 36 - 41
- Język:
- angielski
- Rok wydania:
- 2017
- Opis bibliograficzny:
- MROZIK K. E., Kurowski A., Kostek B., Czyżewski A..: Comparison of selected electroencephalographic signal classification methods, W: Proceedings of SPA2017 Signal Processing: Algorithms, Architectures, Arrangements, and Application, 2017, ,.
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.23919/spa.2017.8166834
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 137 razy