Аннотация

Аннотация: Рассматривается задача поиска подходов к созданию наборов данных на основе признаков, извлекаемых из временных рядов, регистрируемых при работе с 14-канальным нейроинтерфейсом EMOTIV EPOC+ в процессе формирования независимыми субъектами моторных образов по управлению курсором мыши компьютера. Целью работы является исследование ряда показателей, значения которых вычисляются посредством выполнения тех или иных математических операций над различными фрагментами 14 временных рядов, в качестве инструментов для формирования значений признаков. Исследование должно помочь выявить те показатели, использование которых для формирования признаков в наборах данных обеспечивает разработку классификаторов моторных образов, отличающихся максимально возможным качеством классификации данных. Предварительно временные ряды подвергались фильтрации с применением фильтра Баттерворта 5-го порядка, что позволило решить проблему удаления шумовых артефактов из временных рядов. Для оценки влияния длины фрагмента временного ряда, используемого при формировании значения признака на основе того или иного показателя, на итоговое качество классификации данных были рассмотрены интервалы времени (таймфреймы) размером в 1, 2 и 3 секунды. В ходе исследований была выполнена разработка SVM (Support Vector Machine), RF (Random Forest) и MLP (Multi Layer Perceptrone) классификаторов моторных образов. Результаты экспериментов показали целесообразность работы показателями, вычисляемыми на основе энтропии Шеннона и фрактальной размерности Хигучи при таймфрейме размером в 3 секунды. В этом случае удается обеспечить высокое качество классификации моторных образов, оцениваемое с применением F-меры. В частности, максимальные значения F-меры имеют SVM, RF и MLP классификаторы разработанные на основе наборов данных, признаки в которых вычислены с применением энтропии Шеннона. Эти значения F-меры равны соответственно 0.82, 0.88 и 0.73.