- Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi
- Vol: 24 Issue: 5
- Etkin epoklar ile motor hayaline dayalı EEG işaretlerinin sınıflandırma doğruluğunun artırılması...
Etkin epoklar ile motor hayaline dayalı EEG işaretlerinin sınıflandırma doğruluğunun artırılması
Authors : Ebru ERGÜN, Önder AYDEMİR
Pages : 817-823
View : 8 | Download : 2
Publication Date : 2018-10-12
Article Type : Research
Abstract :Normal 0 false false false TR X-NONE X-NONE /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Normal Tablo"; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-parent:""; mso-padding-alt:0cm 5.4pt 0cm 5.4pt; mso-para-margin-top:0cm; mso-para-margin-right:0cm; mso-para-margin-bottom:10.0pt; mso-para-margin-left:0cm; line-height:115%; mso-pagination:widow-orphan; font-size:11.0pt; font-family:"Calibri",sans-serif; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:"Times New Roman"; mso-bidi-theme-font:minor-bidi; mso-ansi-language:TR;} Beyin bilgisayar arayüzleri (BBA) sadece beyinde üretilen işaretleri kullanarak çeşitli elektronik cihazları kullanmayı olanaklı hale getiren sistemlerdir. Bu sistemlerin yüksek başarımlı olabilmesi için bu işaretlerden çıkarılan öznitelik yöntemleri ve bu işaretlere uygulanan sınıflandırıcı yöntemleri önemlidir. Bu çalışma ile motor hayaline dair kaydedilen EEG tabanlı BBA işaretlerinden yüksek sınıflandırma doğruluğu elde edebilmek için işaretlerin etkin zaman dilimlerinden çıkarılmış özniteliklerle sınıflandırma doğruluğunun artırılmasına yönelik bir yöntem önerilmiştir. Öznitelikler, etkin zaman dilimleri belirlenen EEG işaretlerine Hilbert Dönüşümü’nün uygulanması ve işaretin türevlerinin ortalamasının alınmasıyla elde edilmiştir. BCI Competition 2003 yarışmasında kullanıma sunulmuş 2-sınıflı motor hareketi hayaline dayalı Data Set Ia isimli veri kümesinden çıkarılan öznitelikler destek vektör makineleri, k-en yakın komşuluk ve doğrusal ayrım analizi ile test edilerek performans karşılaştırması yapılmıştır. Destek vektör makineleri ile test veri kümesi üzerinde %91.46 oranında yüksek bir sınıflandırma doğruluğu elde edilmiştir. Bu sınıflandırma doğruluğu EEG işaretinin bir denemesine ait tüm örneklemelerin kullanılması durumunda elde edilen sınıflandırma doğruluğundan %17.40 daha yüksektir. Elde edilen sonuçlar, önerilen yöntemin belirlenen öznitelik çıkarma yöntemi ve destek vektör makinaları sınıflandırıcısıyla birlikte EEG işaretlerinden elde edilen sınıflandırma doğruluğunu dikkat çekici miktarda arttırdığını ve hesaplama karmaşıklığını ise azalttığını göstermiştir.Keywords : Elektroensefalografi, Beyin bilgisayar arayüzü, Hilbert dönüşümü, Etkin zaman dilimi, Etkin epok, Destek vektör makinası