- Avrupa Bilim ve Teknoloji Dergisi
- Issue: 32 Special Issue
- A Study on the Effect of Features Obtained From Signal Segments on Classification Success
A Study on the Effect of Features Obtained From Signal Segments on Classification Success
Authors : Erdem ERKAN, Yasemin ERKAN
Pages : 383-391
Doi:10.31590/ejosat.1040429
View : 7 | Download : 3
Publication Date : 2021-12-31
Article Type : Research
Abstract :Başarılı sınıflandırma, ayırt edici özniteliklerin ve sınıflandırmada kullanılan etkin kanal alt kümesinin seçimine bağlıdır. Bu çalışmada, EEG gibi çok kanallı sınıflandırma sistemlerinde ayırıcı özniteliklerin belirlenmesi ve etkin kanal alt kümelerinin saptanması için yeni ve pratik yöntemler önerilmiş ve iki farklı öznitelik çıkarma yöntemi karşılaştırılmıştır. Bunlardan ilki, klasik Dalgacık dönüşümüne ve ikincisi de sinyal segmentlerinin eğimini kullanan önerilen yaklaşımımızdır. Klasik Dalgacık dönüşümü tabanlı öznitelik çıkarma yöntemi için Dalgacık katsayılarının ortalama, standart sapma, sayısal integrali gibi bazı sinyal özelliklerinden öznitelik vektörleri üretilir. Önerilen, Sinyal Yolu Eğimi (SPS) yöntemi için ise öznitelik vektörleri sadece sinyal segmentlerinin eğimlerinden oluşmaktadır. Önerdiğimiz öznitelik çıkarma yönteminde, klasik Dalgacık tabanlı yöntemden farklı olarak, segmentasyondan önce sinyale zaman domeninde optimal çerçeve uzunluğuna sahip bir Savitzky Golay (SG) filtresi uygulanarak sinyal yolunun daha belirgin hale getirilmesi sağlanmıştır. Bu sayede SG filtresi kullanılarak ayırt edici sınıflandırma öznitelikleri çıkarılmaktadır. Kanal seçimi için, eğitim veri kümesi %90 ön eğitim ve %10 ön test verisi olarak iki gruba ayıran iteratif bir kanal seçim yöntemi önerilmiştir. Çalışmada BCI yarışması IV'te sunulan veri seti-3 kullanılmıştır. Önerilen yöntemler kullanılarak çıkarılan öznitelik vektörleri Destek Vektör makinesi sınıflandırıcısına tabi tutulmuştur. Sonuçlar karşılaştırmalı olarak verilmiş ve önerilen yöntemimizin Wavelet tabanlı klasik öznitelik çıkarma yöntemlerine göre daha az hesaplama karmaşıklığına ve daha başarılı sınıflandırma kabiliyetine sahip olduğu gözlemlenmiştir. Denek-1 ve denek-2 için sırasıyla % 67.74 ve % 49.27 olan en yüksek sınıflandırma doğruluğu, önerilen SPS öznitelik çıkarma yöntemi ile düşük boyutlu bir öznitelik vektörü ile elde edilmiştir. Çalışmada elde edilen sınıflandırma başarımı, yarışma elde edilen sonuçlarla karşılaştırıldığında, denek-1 için % 8.24 ve denek-2 için % 14.97 oranında sınıflandırma başarısı artışı gözlemlenmiştir. Her iki denek için de başarıdaki önemli artış, önerilen yöntemlerin tutarlılığını göstermektedir. Bu çalışma ile beyinde motor imgeleme görevleriyle ilgili deneğe özgü bir sinyal örüntüsü olduğu gözlemlenmiştir. Bu örüntünün ayırt edici özellikleri önerilen yöntemler kullanılarak başarılı bir şekilde tespit edilmiştir.Keywords : Beyin Bilgisayar Arayüzü, Sınıflandırma, Öznitelik Vektörü, Kanal Seçimi, Savitzky Golay