Saklı Markov modelleri ve boyut indirgemeye dayalı bir beyin-bilgisayar arayüzü algoritması (A brain-computer interface algorithm based on hidden Markov models and dimensionality reduction)

Beyin-bilgisayar arayüzleri (BBA) bağlamında zihinde hareket canlandırma sürecinde toplanan EEG verilerinin sınıflandırılması problemini ele alıyoruz. Saklı Markov Modelleri (HMM) üzerine kurulu bir yaklaşım öneriyoruz. Yaklaşımımız özbağlanımlı parametrelere dayalı öznitelikleri temel bileşen analizi (PCA) tabanlı boyut indirgeme ile birlikte kullanması bakımından mevcut HMM yöntemlerinden farklıdır. Yaklaşımımızın etkinliğini genel kullanıma açık bir veri kümesi ve kendi laboratuvarımızda topladığımız veriler üzerinde, iki ve dört sınıflı problemlerdeki deneysel sonuçlar ile gösteriyoruz. -- (We consider the problem of motor imagery EEG data classification within the context of brain-computer interfaces. We propose an approach based on Hidden Markov models (HMMs). Our approach is different from existing HMM-based techniques in that it uses features based on autoregressive parameters together with dimensionality reduction based on principal component analysis (PCA). We demonstrate the effectiveness of our approach through experimental results for two and four-class problems based on a public dataset, as well as data collected in our laboratory.)