TY -的A2 -叮,白元盟——Abdi Alkareem Alyasseri,扎非盟- Alomari,奥萨马·艾哈迈德·盟——Al-Betar穆罕默德阿非盟- Awadallah,穆罕默德·a . AU - Hameed Abdulkareem Karrar AU - Abed穆罕默德,Mazin盟——Kadry Seifedine盟——Rajinikanth诉AU -ρ,Seungmin PY - 2022 DA - 2022/01/12 TI -脑电图通道选择使用多目标布谷鸟搜索人识别作为保护系统在医疗应用中SP - 5974634六世- 2022 AB -最近,脑电图(EEG)信号提供了一个优秀的潜力新人识别技术。几项研究定义了脑电图具有独特的特性,普遍性、鲁棒性和自然作为一个新的跟踪,防止欺骗攻击。EEG信号的视觉记录大脑的电活动,通过将测量电极(渠道)在各种头皮的位置。然而,因为它使得基于脑电图传统系统导致高复杂性与许多渠道,和一些渠道关键信息识别系统而其他人没有。几项研究已经提出一个目的地址识别脑电图渠道的人。不幸的是,这些研究只侧重于提高准确率不平衡精度和选定的总数脑电图频道。本文提出一种新颖的多目标二进制版本的布谷鸟搜索算法(MOBCS-KNN)找到最优识别脑电图频道选择的人。该方法(MOBCS-KNN)使用一个加权和技术来实现多目标的方法。此外,因为它使得基于脑电图的资讯分类器识别生物人使用。值得一提的是,这是使用多目标技术的初步调查与脑电图通道选择问题。 A standard EEG motor imagery dataset is used to evaluate the performance of the MOBCS-KNN. The experiments show that the MOBCS-KNN obtained accuracy of 93.86 % 只使用24个传感器 基于“增大化现实”技术 20. 自回归系数。另一个关键点是,MOBCS-KNN发现渠道不太接近对方捕捉相关信息的头。总之,MOBCS-KNN算法相比metaheuristic算法达到最好的结果。最后,推荐方法吸引未来的发展方向可以应用到不同的研究领域。SN - 1687 - 5265 UR - https://doi.org/10.1155/2022/5974634 - 10.1155 / 2022/5974634摩根富林明计算智力和神经科学PB - Hindawi KW - ER