Программный комплекс разработан в среде графического программирования NI LabVIEW и реализует основные методы выделения характерных признаков сигнала электроэнцефалограммы (ЭЭГ) и наиболее распространенные методы классификации данных, применяемые в ИМК.  

В состав реализованного программного комплекса входят следующие основные компоненты:

  • EmotivEpoc-labview – приложение, предназначенное для регистрации сигнала ЭЭГ с помощью устройства «Emotiv Epoc» и сохранения полученных данных в файлы формата XML EEG;
  • GDF File Reader – приложение для чтения файлов формата GDF, отображения считанного сигнала ЭЭГ на экране монитора, выделения эпох сигнала ЭЭГ, соответствующих различным типам событий, происходивших во время записи, и сохранения результатов в файлы формата XML EEG;
  • Feature Extraction Utility – приложение для выделения характерных признаков сигнала ЭЭГ. Приложение принимает в качестве входных данных файлы формата XML EEG с записями сигнала ЭЭГ, рассчитывает в соответствии с выбранными пользователем алгоритмами векторы характерных признаков и сохраняет полученные результаты в файл с признаковым описанием формата XML Features;
  • Classifier Utility – приложение для оценки достижимой точности классификации. Приложение принимает в качестве входных данных файлы XML Features с признаковым описанием объектов обучающей и тестовой выборки и на основе данных выборок выполняет по-строение и тестирование классификаторов следующих типов: метод опорных векторов (МОВ), метод k ближайших соседей, многослойный персептрон, комитет МОВ классификаторов, классификатор на основе расстояния Махаланобиса;
  • Genetic Algorithm – утилита поиска оптимального подмножества признаков. Утилита принимает на вход файлы XML Features с признаковым описанием объектов обучающей и тестовой выборки и с помощью генетического алгоритма выполняет поиск наиболее информативного подмножества признаков;
  • Optimal Frequency Bands Search – утилита поиска оптимальных частотных диапазонов сигнала ЭЭГ. Утилита принимает на вход файлы XML Features, содержащие значения спектра сигнала для объектов обучающей и тестовой выборки. Далее пользователь выбирает метод оптимизации (генетический алгоритм или метод роя частиц) и метод классификации. На итерациях алгоритма поиска для каждой особи/частицы производится построение и тестирование классификатора на объектах обучающей выборки. По завершению каждого поколения точность классификатора дополнительно оценивается на объектах тестовой выборки;
  • Optimal Shapelets Search – утилита, реализующая поиск шейплетов многомерных временных рядов с помощью генетического алгоритма. Утилита принимает на вход файл формата XML Features, содержащий набор многомерных временных рядов с соответствующими им метками классов. Далее на итерациях генетического алгоритма для каждой особи (фрагмента временного ряда) выполняется оценка качества разделения классов. По завершению итераций поиска из последнего поколения ГА выбираются k лучших особей, соответствующие им фрагменты многомерных временных рядов (шейплеты) сохраняются в бинарный файл с расширением «.bin».