ارتقا و بهینه سازی روش های تشخیص استرس با استفاده از روشهای مختلف انتخاب ویژگی و کمک از الگوریتم ماشین بردار پشتیبان (SVM)

---

شرح پروژه

    عنوان :

الف) فارسی:ارتقا و بهینه سازی روش های تشخیص استرس با استفاده از روشهای مختلف انتخاب ویژگی و کمک از الگوریتم ماشین بردار پشتیبان (SVM)

1-خود پروژه رو خدمتتون ارسال کردم. تا فصل 3

2-مقالات مربوط به دیتا ستها مشخص میباشد.ارسال شده

3-روش مقایسه دیتا ستها هم در فایل ضمیمه خدمتتون ارسال کردم.

تو این کار قراره دیتا ستهای های مختلف قبلی رو از روش های فیچر سلکشن ذکر شده باهم مقایسه کنیم و بعد از رنکینگ بندی(رنکیگ معمولی ورنکینگ با کاررولیشن یا همخوانی) از اولی تا اخری 2 تا 3 تا از بهترین هارو با استدلال انتخاب کرده (عینا مثالش داخل فایلهای ارسالی به همراه کدهای متلب موجود است).حال اول با استفاده از یادگیری عمیق (deep learning)( که نمونه مرجع اموزشیش رو هم براتون فرستادم ) شبکه های عصبی و سپس knn (نزدیکترین نقطه)کلسی فای یا طبقه بندی انجام بشه و نتایجشون دقتشون با هم مقایسه بشند که بهترین نتیجه حاصل بشه.

ویزگی های مورد بررسی:

1.HRV تغیرات ضربان قلبHEART RATE VARIANT

2.GSR خاصیت رسانایی پوستGALVANIC SKIN RESISTANCE

3.ECG نوار قلبی ECO CARDIO GRAPH

4.EMG پیامهای عصبی عضلانی 

5.ST دمای سطح پوست SKIN TEMPRATURE

6.BP فشار خون BLOOD PRESURE

7.TFA(2 POINTS) حرارت سطح چمان در محاسبه در دو نقطه از چشمان

8,TFA(8 POINTS) مثل بالا در 8 نقطه

در این طرح با بررسی تحقیقات و پژوهشهای قبلی انجام شده درین زمینه و استفاده از دیتا ست های موجود در منابع معتبر با طبقه بندی و انجام شبیه سازی های نرم افزاری به مرحله ای جدید و دقیقتر از دستگاههای استرس یاب چند پارامتری خواهیم رسید.

و اینکه کلسی فای با استفاده از شبکه های عصبی (یادگیری عمیق) deep learning  و knn باید انجام بشه و نتایجشون با هم مقایسه بشند که بهترین نتیجه حاصل بشه

گزارش کامل هم میخوام

در اصل من از شما کمک نرم افزای میخواهم.

 دوستانی که میتونن انجام بدن سریعتر اطلاع دهید

تشکر

این پروژه شامل 1 فایل مهم است، لطفا قبل از ارسال پیشنهاد حتما نسبت به بررسی این فایل اقدام فرمایید.

مهارت ها و تخصص های مورد نیاز

---

---