Detection of finger flexions based on decision tree

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F18%3A10241738" target="_blank" >RIV/61989100:27240/18:10241738 - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/chapter/10.1007%2F978-3-319-60834-1_7" target="_blank" >https://link.springer.com/chapter/10.1007%2F978-3-319-60834-1_7</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-60834-1_7" target="_blank" >10.1007/978-3-319-60834-1_7</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Detection of finger flexions based on decision tree

Popis výsledku v původním jazyce

Analysis and classification of Electroencephalography (EEG) Data are still a big challenge. This kind if data is very sensitive and complex. EEG data plays a big role not only in medicine. The EEG data can be used as control commands of an external device, e.g. wheelchair, prosthesis, and many others. To do this, we need to establish models which can correctly classify captured EEG data. This paper presents a model based on Butterworth IIR filter, Fast Fourier transform (FFT), Singular Value Decomposition (SVD) and Decision Tree (DT) as a classifier. It can classify finger flexions with accuracy up to 92.241% for three fingers. (C) 2018, Springer International Publishing AG.

Název v anglickém jazyce

Detection of finger flexions based on decision tree

Popis výsledku anglicky

Analysis and classification of Electroencephalography (EEG) Data are still a big challenge. This kind if data is very sensitive and complex. EEG data plays a big role not only in medicine. The EEG data can be used as control commands of an external device, e.g. wheelchair, prosthesis, and many others. To do this, we need to establish models which can correctly classify captured EEG data. This paper presents a model based on Butterworth IIR filter, Fast Fourier transform (FFT), Singular Value Decomposition (SVD) and Decision Tree (DT) as a classifier. It can classify finger flexions with accuracy up to 92.241% for three fingers. (C) 2018, Springer International Publishing AG.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/GJ16-25694Y" target="_blank" >GJ16-25694Y: Mnohoparadigmatické algoritmy dolování z dat založené na vyhledávání, fuzzy technologiích a bio-inspirovaných výpočtech</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2018

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Advances in intelligent systems and computing. Volume 565

ISBN

978-3-319-60833-4

ISSN

2194-5357

e-ISSN

neuvedeno

Počet stran výsledku

11

Strana od-do

57-67

Název nakladatele

Springer

Místo vydání

Berlin

Místo konání akce

Marrákeš

Datum konání akce

21. 11. 2016

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—