Classificação de sinais de eletroencefalograma usando máquinas de vetores suporte

Página do item simplificado
dc.contributor.advisorLima, Clodoaldo Aparecido de Moraespt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/3017337174053381por
dc.contributor.authorChagas, Sandro Luiz daspt_BR
dc.creator.Latteshttp://lattes.cnpq.br/8103741962261383por
dc.date.accessioned2016-03-15T19:38:14Z
dc.date.accessioned2020-05-28T18:08:44Z
dc.date.available2010-02-25pt_BR
dc.date.available2020-05-28T18:08:44Z
dc.date.issued2009-08-27pt_BR
dc.description.abstractO eletroencefalograma (EEG) é um exame médico largamente utilizado no estudo da função cerebral e de distúrbios neurológicos. O EEG é uma série temporal que contém os registros de atividade elétrica do cérebro. Um grande volume de dados é gerado pelos sistemas de monitoração de EEG, o que faz com que a análise visual completa destes dados se torne inviável na prática. Com isso, surge uma grande demanda por métodos computacionais capazes de extrair, de forma automática, informação útil para a realização de diagnósticos. Para atender essa demanda, é necessária uma forma de extrair de um sinal de EEG as características relevantes para um diagnóstico e também uma forma de classificar o EEG em função destas características. O cálculo de estatísticas sobre coeficientes wavelet vem sendo empregado com sucesso na extração de características de diversos tipos de séries temporais, inclusive EEG. As máquinas de vetores de suporte (SVM do inglês Support Vector Machines) constituem uma técnica de aprendizado de máquina que possui alta capacidade de generalização e têm sido empregadas com sucesso em problemas de classificação por diversos pesquisadores. Nessa dissertação é feita uma análise do impacto da utilização de vetores de características baseados em coeficientes wavelet na classificação de EEG utilizando diferentes implementações de SVM.por
dc.formatapplication/pdfpor
dc.identifier.urihttp://dspace.mackenzie.br/handle/10899/24413
dc.languageporpor
dc.publisherUniversidade Presbiteriana Mackenziepor
dc.rightsAcesso Abertopor
dc.subjectmáquina de vetor de suporte (SVM)por
dc.subjecteletroencefalograma (EEG)por
dc.subjectséries temporaispor
dc.subjectextração de característicaspor
dc.subjectwaveletpor
dc.subjectsupport vector machine (SVM)eng
dc.subjecteletroencefalogram (EEG)eng
dc.subjecttemporal data serieseng
dc.subjectfeature extractioneng
dc.subjectwaveleteng
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApor
dc.thumbnail.urlhttp://tede.mackenzie.br/jspui/retrieve/3642/Sandro%20Luiz%20das%20Chagas.pdf.jpg*
dc.titleClassificação de sinais de eletroencefalograma usando máquinas de vetores suportepor
dc.typeDissertaçãopor
local.contributor.board1Eisencraft, Marciopt_BR
local.contributor.board1Latteshttp://lattes.cnpq.br/1230223107318137por
local.contributor.board2Lorena, Ana Carolinapt_BR
local.contributor.board2Latteshttp://lattes.cnpq.br/3451628262694747por
local.publisher.countryBRpor
local.publisher.departmentEngenharia Elétricapor
local.publisher.initialsUPMpor
local.publisher.programEngenharia Elétricapor
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Sandro Luiz das Chagas.pdf
Tamanho:
1.62 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Coleções
Engenharia Elétrica e Computação - Dissertações - EE Higienópolis