Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

EEG signal as biometric characteristic and its long-term temporal stability

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F12%3A00193379" target="_blank" >RIV/68407700:21230/12:00193379 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    EEG signal as biometric characteristic and its long-term temporal stability

  • Popis výsledku v původním jazyce

    This paper presents results of person identification experiments, based on individual properties of EEG signals. EEG data of each test subject were acquired in two different measurement sessions, with one year time gap between them. Main focus of these experiments was to assess long-term temporal stability of EEG biometrics. Use of EEG data from separate session leads to identification score about 98%. Results for merged EEG sessions reach in average only 78% success rate. Identification algorithm usedfor these experiments utilizes Frequency-Zooming Auto-Regression modeling and Mahalanobis distance-based classifier, several improvements for this algorithm are proposed in this paper.

  • Název v anglickém jazyce

    EEG signal as biometric characteristic and its long-term temporal stability

  • Popis výsledku anglicky

    This paper presents results of person identification experiments, based on individual properties of EEG signals. EEG data of each test subject were acquired in two different measurement sessions, with one year time gap between them. Main focus of these experiments was to assess long-term temporal stability of EEG biometrics. Use of EEG data from separate session leads to identification score about 98%. Results for merged EEG sessions reach in average only 78% success rate. Identification algorithm usedfor these experiments utilizes Frequency-Zooming Auto-Regression modeling and Mahalanobis distance-based classifier, several improvements for this algorithm are proposed in this paper.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    JA - Elektronika a optoelektronika, elektrotechnika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2012

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    POSTER 2012 - 16th International Student Conference on Electrical Engineering

  • ISBN

    978-80-01-05043-9

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    4

  • Strana od-do

    1-4

  • Název nakladatele

    Czech Technical University in Prague

  • Místo vydání

    Praha

  • Místo konání akce

    Prague

  • Datum konání akce

    17. 5. 2012

  • Typ akce podle státní příslušnosti

    EUR - Evropská akce

  • Kód UT WoS článku