@Article{, title={OFFLINE LINEAR DISCRIMINANT ANALYSIS CLASSIFICATION OF TWO CLASS EEG SIGNALS غير متصل تصنيف تحليل خاطئ من اثنين من إشارات EEG الطبقة}, author={Mohammed Z. Al-Faiz محمد زكي الفائز and Haider A. Abdulkareem حيدر عبد الاله عبد الكريم}, journal={Iraqi Journal of Information and communication technology المجلة العراقية لتكنولجيا المعلومات والاتصالات}, volume={2}, number={3}, pages={1-10}, year={2019}, abstract={This paper investigates the use of LDA algorithm In the EEG classification. EEG feature extraction isImplemented to reduce the dimensionality of data. The Sliding Window Technique is used to calculate the meanwithin each window samples. Then, classification is done based on hyperplane technique. The LDA algorithm isdescribed in details with all the implementation Issues. The LDA regularization is also discussed and its effects onthe classification accuracy is given. In addition, both window size and channel selection effect on the accuracy isIllustrated. Results show that a window size of 150 samples, channel 3 and regularization parameter of 0.9 givesan accuracy of 90%.

ان هذا البحث يرمي الى التحقق من امكانية استخدام تقنية LDA (التحليل المميز الخطي) في مجال تصنيف اشارات الدماغ الكهرومغناطيسية (EEG). تم استخلاص خصائص موجات ال (EEG) من اجل تقليل حجم بيانات المعلومات. تم استخدام تقنية النافذة المنزلقة (Sliding Window) من اجل حساب الوسط الحسابي للعناصر الواقعة في النافذة المنزلقة في كل مرة. ثم تم تصنيف اشارات (EEG) حسب المعادلة الخطية التي تفصل بين عناصر اشارات كل من الصنفين (حركة اليمين واليسار). في هذا البحث, تم وصف خوارزمية (LDA) بالتفصيل. تمت ايضا مناقشة استخدام تقنية (LDA Regularization) وتأثيرها على دقة التصنيف. بالاضافة الى ذلك, تمت مناقشة تأثير حجم النافذة (Window size) واختيار القناة (Channel selection) على دقة التصنيف. تظهر النتائج ان استخدام نافذة من 150 عنصر, اختيار القناة رقم 3 بالاضافة الى تحديد قيمة متغير (LDA Regularization) ب 0.9 , يتم الحصول على معدل دقة 90% .} }