تشخيص هويت از روي الكتروانسفالوگرافي با استفاده از شبكه هاي عصبي مصنوعي

كارشناسي ارشد

شناخت افراد بر اساس خصوصيات فيزيولوژيكي يا رفتاري منحصر به فرد خود، با عنوان شناسايي بيومتريك يا احراز هويت، در دهه ي گذشته مورد توجه محققان قرار گرفته است. يك سيستم تشخيص بيومتريك به دنبال شناسايي شخص در يك پايگاه داده است، در ميان مشخصه هاي بيومتريك موجود، سيگنال¬هاي مغزي به دليل حفظ ماهيت منحصر به فرد اشخاص، به عنوان يك ويژگي قدرتمند ظاهر شده اند، كه اين امر جعل يا تقليد آن ها را غيرممكن مي سازد. از بين روش هاي دريافت سيگنال هاي مغزي، الكتروانسفالوگرافي (EEG) به عنوان راحت ترين روش دريافت اين سيگنال، بسيار محبوب و كارآمد است. از آنجا كه فعاليت هاي مغزي مي‌تواند تحت تأثير حالت روحي، استرس و حالت ذهني يك فرد قرار گيرد، ثبت آن تحت فشار عصبي يا تهديد، بسيار دشوار بوده و اين امر امكان دريافت آن در شرايط فوق را غيرممكن مي سازد و مي تواند به عنوان يك مزيت ذكر شود. براي استفاده از بيومتريك مبتني بر EEG در زندگي واقعي نياز به بررسي هاي بسيار و روش هاي متفاوت بوده، كه هدف اين پايان نامه ارزيابي اين موضوع است. در اين پايان نامه از داده ي 109 فرد كه توسط 64 كانال ثبت شده، استفاده مي شود. داده ها در دو گروه چشم باز-بسته و حالت انتظار مورد بررسي قرار مي گيرند. در قدم اول به بررسي اهميت پيش پردازش در تشخص هويت پرداخته شده است كه نشان مي دهد پيش پردازش مي تواند تا 7.5 درصد بر افزايش ميزان صحت مؤثر باشد همچنين در پايداري صحت نهايي تأثير بسيار داشته و از پراكندگي نتايج جلوگيري مي كند. در مراحل بعد با استخراج ويژگي هاي آماري، فركانسي و ويولت به بررسي عملكرد در دو روش كلاس بندي پرداخته شده است. ماشين بردار پشتيبان و شبكه ي عصبي مصنوعي چند لايه دو روش كلاس بندي است كه بررسي مي شوند. بالاترين صحت هاي يافته شده در داده ي انتظار 97.43 درصد توسط شبكه عصبي و در داده ي چشم باز-بسته 99.76 درصد با استفاده از ماشين بردار پشتيبان است. در اين پايان نامه نتايج تشخيص هويت با استفاده از شبكه عصبي بخصوص بر روي داده ي انتظار كه بيشترين شباهت با محيط كاربردي تشخيص هويت را دارد، بسيار موفق است. واژه‌هاي كليدي: تشخيص هويت، بيومتريك، الكتروانسفالوگرافي ، ماشين بردار پشتيبان و شبكه ي عصبي مصنوعي.

205844

دانشگاه علم و صنعت ايران

-

مهندسي پزشكي

محمدرضا دليري