Reconnaissance Automatique Des Crises D’épilepsie Par Techniques De Classification Supervisée (svm-knn).
Résumé: Les signaux EEG sont pour l'étude de l'épilepsie, les éléments fondamentaux de toute analyse spatiotemporelle de processus dits paroxystiques. Ceux-ci se caractérisent dans les périodes critiques (les crises) par un envahissement massif des structures cérébrales par des décharges rapides. L’extraction des caractéristiques et la classification des signaux électroencéphalographiques (EEG) pour les cas normaux et épileptiques est un défi pour les ingénieurs et les scientifiques .Dans ce mémoire, nous proposons de mettre au point un modèle de détection des crises épileptiques. Ce modèle est basé sur la transformée en ondelette discrète, les K plus proches voisins (KNN), les machines à vecteurs de support (SVM). L’évaluation des performances du modèle proposé, est basée sur la sensibilité(SE), spécificité(SP), le taux de classification correcte (CC), les résultats obtenus sont très satisfaisantes.
Mots-clès:
Nos services universitaires et académiques
Thèses-Algérie vous propose ses divers services d’édition: mise en page, révision, correction, traduction, analyse du plagiat, ainsi que la réalisation des supports graphiques et de présentation (Slideshows).
Obtenez dès à présent et en toute facilité votre devis gratuit et une estimation de la durée de réalisation et bénéficiez d'une qualité de travail irréprochable et d'un temps de livraison imbattable!
Aucun fichier associé
Si le fichier est volumineux, l'affichage peut échouer. Vous pouvez obtenir le fichier directement en cliquant sur le bouton "Télécharger".
