Classification de données EEG par algorithme évolutionnaire pour l'étude d'états de vigilance
hal.structure.identifier | Institut de Mathématiques de Bordeaux [IMB] | |
hal.structure.identifier | Quality control and dynamic reliability [CQFD] | |
dc.contributor.author | VEZARD, Laurent | |
hal.structure.identifier | Advanced Learning Evolutionary Algorithms [ALEA] | |
hal.structure.identifier | Institut de Mathématiques de Bordeaux [IMB] | |
dc.contributor.author | LEGRAND, Pierrick | |
hal.structure.identifier | Institut de Mathématiques de Bordeaux [IMB] | |
hal.structure.identifier | Quality control and dynamic reliability [CQFD] | |
dc.contributor.author | CHAVENT, Marie | |
hal.structure.identifier | Université de Bordeaux Ségalen [Bordeaux 2] | |
dc.contributor.author | FAITA-AINSEBA, Frederique | |
hal.structure.identifier | Université de Bordeaux Ségalen [Bordeaux 2] | |
dc.contributor.author | CLAUZEL, Julien | |
dc.date.issued | 2012 | |
dc.identifier.issn | 1764-1667 | |
dc.description.abstract | L'objectif de ce travail est de prédire l'état de vigilance d'un individu à partir de l'étude de son activité cérébrale (signaux d'électro-encéphalographie EEG). La variable à prédire est binaire (état de vigilance "normal" ou "relaxé"). Des EEG de 44 participants dans les deux états (88 enregistrements), ont été recueillis via un casque à 58 électrodes. Après une étape de prétraitement et de validation des données, un critère nommé "critère des pentes" a été choisi. Des méthodes de classification supervisée usuelles (k plus proches voisins, arbres binaires de décision (CART), forêts aléatoires, PLS et sparse PLS discriminante) ont été appliquées afin de fournir des prédictions de l'état des participants. Le critère utilisé a ensuite été raffiné grâce à un algorithme génétique, ce qui a permis de construire un modèle fiable (taux de bon classement moyen par CART égal à 86.68 +- 1.87%) et de sélectionner une électrode parmi les 58 initiales. | |
dc.language.iso | fr | |
dc.publisher | Editions RNTI | |
dc.title | Classification de données EEG par algorithme évolutionnaire pour l'étude d'états de vigilance | |
dc.type | Article de revue | |
dc.subject.hal | Informatique [cs]/Traitement du signal et de l'image | |
dc.subject.hal | Sciences de l'ingénieur [physics]/Traitement du signal et de l'image | |
dc.subject.hal | Sciences du Vivant [q-bio]/Neurosciences [q-bio.NC] | |
dc.subject.hal | Informatique [cs]/Intelligence artificielle [cs.AI] | |
dc.subject.hal | Mathématiques [math]/Statistiques [math.ST] | |
dc.subject.hal | Statistiques [stat]/Théorie [stat.TH] | |
bordeaux.journal | Revue des Nouvelles Technologies de l'Information | |
bordeaux.page | 459-470 | |
bordeaux.volume | 23 | |
bordeaux.peerReviewed | oui | |
hal.identifier | hal-00643438 | |
hal.version | 1 | |
hal.popular | non | |
hal.audience | Nationale | |
hal.origin.link | https://hal.archives-ouvertes.fr//hal-00643438v1 | |
bordeaux.COinS | ctx_ver=Z39.88-2004&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.title=Classification%20de%20donn%C3%A9es%20EEG%20par%20algorithme%20%C3%A9volutionnaire%20pour%20l'%C3%A9tude%20d'%C3%A9tats%20de%20vigilance&rft.atitle=Classification%20de%20donn%C3%A9es%20EEG%20par%20algorithme%20%C3%A9volutionnaire%20pour%20l'%C3%A9tude%20d'%C3%A9tats%20de%20vigilance&rft.jtitle=Revue%20des%20Nouvelles%20Technologies%20de%20l'Information&rft.date=2012&rft.volume=23&rft.spage=459-470&rft.epage=459-470&rft.eissn=1764-1667&rft.issn=1764-1667&rft.au=VEZARD,%20Laurent&LEGRAND,%20Pierrick&CHAVENT,%20Marie&FAITA-AINSEBA,%20Frederique&CLAUZEL,%20Julien&rft.genre=article |
Fichier(s) constituant ce document
Fichiers | Taille | Format | Vue |
---|---|---|---|
Il n'y a pas de fichiers associés à ce document. |