| 1 |
1
훈련 데이터로서 좌측 움직임 상상 뇌파 신호와 우측 움직임 상상 뇌파 신호를 수신하고 전처리 과정을 수행하는 단계,상기 좌측 움직임 상상 뇌파 신호와 우측 움직임 상상 뇌파 신호의 특징을 추출하고, 추출된 특징을 가우시안 혼합 모델(GMM)에 적용하여 서포트 벡터를 생성하는 단계, 테스트 데이터로서 뇌파 신호를 수신하고 전처리 과정을 수행하는 단계, 상기 뇌파 신호의 특징을 추출하는 단계, 그리고상기 서포트 벡터와 SVM 분류 알고리즘을 이용하여 상기 뇌파 신호를 좌측 움직임 상상 뇌파 신호 클래스와 우측 움직임 상상 뇌파 신호 클래스로 분류하는 단계를 포함하며,상기 가우시안 혼합 모델(GMM)은 가우시안 확률 밀도 함수의 결합 가중치(), 평균 벡터() 및 공분산 행렬(Σi)를 포함하며, 상기 서포트 벡터는 상기 가우시안 확률 밀도 함수의 평균 벡터()를 이용하여 획득되는 움직임을 상상하는 뇌파 분류 방법
|
| 2 |
2
삭제
|
| 3 |
3
제1항에 있어서, 상기 전처리 과정은,상기 뇌파 신호로부터 ERS(Event-Related Synchronization) 및 ERD(Event-Related Desynchronization)를 검출하는 과정을 포함하는 움직임을 상상하는 뇌파 분류 방법
|
| 4 |
4
제1항에 있어서,상기 뇌파 신호의 통계적 특징을 추출하는 단계는, 웨이블렛 변환(Wavelet Transform)을 사용하여 상기 뇌파 신호를 분해하고 웨이블렛 계수의 통계적 특징을 추출하는 움직임을 상상하는 뇌파 분류 방법
|
| 5 |
5
제1항에 있어서,상기 SVM 알고리즘은 다음의 수학식으로 나타나는 움직임을 상상하는 뇌파 분류 방법: 여기서 ti는 -1 또는 1로서, 좌측 움직임 상상 뇌파 신호 클래스 또는 우측 움직임 상상 뇌파 신호 클래스에 해당하는 것을 나타내고, 는 서포트 벡터, b는 바이어스 상수이며, k(·,·)는 데이터를 사상시키기 위한 커널 함수이고, 는 라그랑제 승수(Lagrangian multiplier)로 이고 이다
|
| 6 |
6
제5항에 있어서,상기 분류하는 단계는,상기 서포트 벡터를 통해 획득한 결정 경계를 이용하여 상기 뇌파 신호를 분류하는 움직임을 상상하는 뇌파 분류 방법: 여기서, y는 상기 뇌파 신호의 특징 값이고, f(y)는 최적화된 결정 경계 함수이다
|
| 7 |
7
측정된 뇌파 신호를 수신하고 전처리 과정을 수행하는 전처리부, 상기 뇌파 신호의 특징을 추출하는 특징 추출부, 그리고서포트 벡터와 SVM 알고리즘을 이용하여 상기 뇌파 신호를 좌측 움직임 상상 뇌파 신호 클래스와 우측 움직임 상상 뇌파 신호 클래스로 분류하는 분류부를 포함하며,상기 서포트 벡터는, 훈련 데이터로서 좌측 움직임 상상 뇌파 신호와 우측 움직임 상상 뇌파 신호로부터 추출된 특징을 가우시안 혼합 모델(GMM)에 적용하여 획득되며,상기 가우시안 혼합 모델(GMM)은 가우시안 확률 밀도 함수의 결합 가중치(), 평균 벡터() 및 공분산 행렬(Σi)를 포함하며, 상기 서포트 벡터는 상기 가우시안 확률 밀도 함수의 평균 벡터()를 이용하여 획득되는 움직임을 상상하는 뇌파 분류 장치
|
| 8 |
8
삭제
|
| 9 |
9
제7항에 있어서, 상기 전처리부는,상기 뇌파 신호로부터 ERS(Event-Related Synchronization) 및 ERD(Event-Related Desynchronization)를 검출하는 움직임을 상상하는 뇌파 분류 장치
|
| 10 |
10
제7항에 있어서,상기 특징 추출부는, 웨이블렛 변환(Wavelet Transform)을 사용하여 상기 뇌파 신호를 분해하고 웨이블렛 계수의 통계적 특징을 추출하는 움직임을 상상하는 뇌파 분류 장치
|
| 11 |
11
제7항에 있어서,상기 SVM 알고리즘은 다음의 수학식으로 나타나는 움직임을 상상하는 뇌파 분류 장치: 여기서 ti는 -1 또는 1로서, 좌측 움직임 상상 뇌파 신호 클래스 또는 우측 움직임 상상 뇌파 신호 클래스에 해당하는 것을 나타내고, 는 서포트 벡터, b는 바이어스 상수이며, k(·,·)는 데이터를 사상시키기 위한 커널 함수이고, 는 라그랑제 승수(Lagrangian multiplier)로 이고 이다
|
| 12 |
12
제11항에 있어서,상기 분류부는,상기 서포트 벡터를 통해 획득한 결정 경계를 이용하여 상기 뇌파 신호를 분류하는 움직임을 상상하는 뇌파 분류 장치: 여기서, y는 상기 뇌파 신호의 특징 값이고, f(y)는 최적화된 결정 경계 함수이다
|
