تحلیل و مقایسه روش های نوین تشخیص هویت به کمک امواج مغزی در شرایط یکسان و در حالات ذهنی متفاوت

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:

امروزه سیگنال‌های مغزی به دلیل دشواری جعل و سرقت، می‌توانند با اطمینان به‌عنوان یک شناسه بیومتریک قوی برای تشخیص هویت افراد استفاده شوند. این پژوهش به بررسی، مقایسه و تحلیل نتایج جدیدترین روش‌های موجود در زمینه تشخیص هویت به کمک امواج مغزی پرداخته است. همچنین در این مقاله به این سوال که آیا ایجاد روش‌های ترکیبی جدید با استفاده از اجزای روش-های موجود می‌تواند منجر به نتایج بهتری برای شناسایی افراد بشود یا خیر، پاسخ داده شده است. بطور خلاصه، استفاده از پایگاه داده یکسان و همچنین بررسی حالت‌های مختلف فعالیت ذهنی هنگام ثبت سیگنال و نیز ایجاد ترکیبات مختلف واحدهای سازنده روش‌های موجود، باعث ایجاد یک مقایسه همه جانبه و اصولی بین الگوریتم‌های موجود و شناسایی نقاط قوت و ضعف آن‌ها شده است. نتایج نشان می‌دهد که هیچ یک از روش‌های ترکیبی منجر به نتایج قابل قبولی نشده و خطای طبقه بندی بسیار زیادی داشته اند. همچنین مشخص شد که استفاده از سیگنال خام، در ورودی شبکه عصبی CNN نتایج بهتری نسبت به ورودی ویژگی خواهد داشت. از طرفی تغییر حالت ورودی در هنگام ثبت سیگنال از کاربر بر عملکرد طبقه بند SVM و شبکه عصبی CNN تاثیرگذار است در حالی که تغییر حالت ورودی بر روی طبقه بند RF تاثیر بسزایی نخواهد داشت.

زبان:
فارسی
صفحات:
47 تا 58
لینک کوتاه:
magiran.com/p2257286 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!