فهرست نشریات علمی دسترسی آزاد ایران

در این مقاله، از بیان تنک سیگنال EEG به‌منظور طبقه‌بندی مراحل خواب استفاده شده است. در این راستا دو روند کلی تنک‌سازی پیشنهاد شده و تاثیر آن‌ها بر روند تشخیص مراحل چهارگانه خواب بررسی شده است. روش پیشنهادی اول مبتنی بر به‌کارگیری روش تحلیل مولفه اصلی تنک (SPCA) برای حالت‌های به‌کارگیری ویژگی‌های مختلف، از جمله زمانی، فرکانسی و زمان-فرکانسی و اعمال به کلاس‌بندی ماشین بردار پشتیبان (SVM) است. روش پیشنهادی دوم بر اساس به‌کارگیری طبقه‌بندی‌کننده مبتنی بر بیان تنک (SRC) است که از الگوریتم پیگیر تطبیق متعامد (OMP) در مرحله ایجاد دیکشنری و بیان تنک بهره می‌برد. به منظور ارزیابی کارایی الگوریتم‌های پیشنهادی، عملکرد آن‌ها  با الگوریتم‌های موجود مشابه مقایسه شده است و بدین منظور از داده‌های ثبت شده در پایگاه داده بین‌المللی PhysioNet استفاده شده است. مقایسه نتایج روش های پیشنهادی نشان دهنده بالاتر بودن دقت میانگین روش پیشنهادی اول نسبت به روش PCA و روش یادگیری عمیق به ترتیب %8.36 و %8.26 است. همچنین سرعت اجرای روش پیشنهادی دوم نسبت به دو روش مذکور %118 و %72 بالاتر است.