Resumen

La información sobre el estado del cerebro es capturada por señales fisiológicas de electroencefalograma (EEG), las cuales son ampliamente utilizadas para estudiar diferentes actividades cerebrales. Este estudio investiga el uso de un nuevo clasificador de conjunto para detectar una convulsión epiléptica a partir de señales de EEG comprimidas y ruidosas. Este clasificador de conjunto de combinación de señales consciente del ruido (NSC) combina cuatro modelos de clasificación basados en su rendimiento individual. El objetivo principal del clasificador propuesto es mejorar la precisión de la clasificación en presencia de información ruidosa e incompleta, manteniendo al mismo tiempo una cantidad razonable de complejidad. Los resultados experimentales muestran la efectividad de la técnica NSC, la cual produce mayores precisión del 90% para datos sin ruido en comparación con el 85%, 85.9% y 89.5% en otros experimentos. La precisión para el método propuesto es del 80% cuando dB, 84% cuando dB y 88% cuando dB, mientras que la tasa

• Materias:Internet de las cosas Inteligencia artificial Contaminantes atmosféricos Sistema biométrico Aplicaciones
• Subjects:Internet of things Artificial intelligence Air pollutants Biometric system Applications
• Palabras claves:Cerebro; Señales de EEG; Clasificador de conjunto; Convulsión epiléptica; Señales ruidosas; Precisión de clasificación
• Keywords:Brain; Eeg signals; Ensemble classifier; Epileptic seizure; Noisy signals; Classification accuracy