آزمون دروغ‌سنجی مبتنی بر تلفیق اطلاعات آشوبناک کانال‌های سیگنال الکتروانسفالوگرام

Abstract

در سال‌های اخیر استفاده از مؤلفه P300 در آزمون دانش گناهکار، از روش‌های پرکاربرد به شمار می‌رود. در مطالعات مختلف Pz به عنوان کانال حاوی بیشترین اطلاعات مربوط به این مولفه شناخته شده‌است. با این وجود، پژوهش‌های دیگر نشان داده‌اند که کانال‌های Fz و Cz نیز اطلاعات مفیدی از مولفه‌ی P300 ارائه می‌دهند. بنابراین حل چالش استفاده بهینه از اطلاعات این سه کانال می‌تواند در بهبود نتایج حاصل از آزمون دروغ‌سنجی موثر واقع شود. به منظور تلفیق اطلاعات ، از رویکردهای تلفیق اطلاعات در سطح ویژگی و در سطح تصمیم‌گیری استفاده شد. تلفیق اطلاعات در سطح ویژگی با دو رویکرد تلفیق تمامی ویژگی‌های سه کانال و تشکیل یک بردار کلی و همچنین انتخاب ویژگی‌های بهینه با استفاده از الگوریتم ژنتیک مدنظر قرار گرفت. برای تلفیق اطلاعات در سطح تصمیم‌گیری نیز احتمال پسین وزن‌دار هر کلاس بر اساس بردارهای ویژگی و قابلیت اطمینان‌ هر کانال محاسبه مورد استفاده قرار گرفت. از میان رویکردهای پیشنهادی، رویکرد تلفیق اطلاعات در سطح تصمیم‌گیری با صحت 90 درصد، حساسیت ۸۶.۶۷ و ویژه بودن ۹۳.۳۳ درصد نشان‌دهنده برتری این روش پیشنهادی است. علاوه بر این، سرعت اجرای این روش در قیاس با روش مبتنی بر الگوریتم ژنتیک بسیار بالاتر خواهد است.

Keywords

• آزمون دروغ‌سنجی
• سیگنال الکتروانسفالوگرام
• مؤلفه P300
• پردازش آشوبناک
• تلفیق اطلاعات
• الگوریتم ژنتیک