EMG ve EEG işaretlerinin sınıflandırılmasında EKK-DVM hiper paremetrelerinin PSO'ya dayalı seçimi
LS-SVM hyper paremeter selection based on PSO in EMG and EEG signals classification
- Tez No: 269226
- Danışmanlar: PROF. DR. M. KEMAL KIYMIK
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biyomühendislik, Biyoteknoloji, Biostatistics, Bioengineering, Biotechnology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2010
- Dil: Türkçe
- Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 88
Özet
EKK-DVM sınıflandırma yöntemi, biyopotansiyel işaretlerin sınıflandırılması için kullanılan bir istatistiksel öğrenme yöntemidir. EKK-DVM'ler sınıflandırmayı etkileyen bazı parametreler kullanmaktadırlar. Bu parametrelerin seçimi sınıflandırmanın başarısı açısından önem arz etmektedir. Bu çalışmada, EKK-DVM ile EMG ve EEG işaretleri sınıflandırılmış olup, EKK-DVM için parametre seçiminde Parçacık Sürü Optimizasyon algoritması kullanılmıştır.Çalışmada kullanılan EEG işaretleri iki farklı veri grubundan, EMG işaretleri ise üç farklı veri grubundan oluşmaktadır. Bu çalışmada öncelikli olarak işaretlerin öz bağlanım (AR) Burg yöntemi ile güç spektrumları çıkartılmıştır. EKK-DVM sınıflandırma yönteminde kullanılan ve sınıflandırmayı etkileyen ayarlama ve çekirdek parametreleri Parçacık Sürü Optimizasyonu (PSO) yöntemi ile seçilerek sınıflandırmada en başarılı durum araştırılmıştır. Sınıflandırma sonucunda EEG verileri, epilepsi veya değil şeklinde, EMG işaretleri ise Myopati, Nöropati veya değil şeklinde ayrıştırılmıştır.Bu çalışmada, uzman hekimlere teşhislerde başarılı bir şekilde yardımcı olacak otomatik bir sistemin tasarlanması amaçlanmıştır. PSO temelli EKK-DVM sınıflandırma işleminde, sınıflandırmayı etkileyen uygun parametre değerlerinin seçimi başarı ile gerçekleştirilmiş ve sınıflandırmanın en iyi sonuca ulaşması sağlanmıştır.
Özet (Çeviri)
Least Square Support Vector Machine (LS-SVM) classification method, used to classify biopotentials signals, is a statistical learning technique. LS-SVM uses some parameters which effects classification. Selection of these parameters is important for classification. In this study, EMG and EEG signals classified with LS-SVM and used parameters in LS-SVM selected with Particle Swarm Optimization (PSO) method.In the proposed method, EMG and EEG signals were separated as training data and testing data. EEG signals include two different group data and EMG signals include three different group data. In this study firstly autoregressive (AR) model was used to acquire power spectrum of EMG and EEG signals. Then LS-SVM classification method applied and regularization parameter and kernel parameter used in classification were selected with PSO. Thus, the best classification results were explored. At the end of study EEG signals were classified as epileptic seizure or not and EMG signals were classified as myopatic seizure, noropatic seizure or not.In this study, we want to provide an automatic system that will help specialists in the diagnosing process successfully. In the LS-SVM classification based on PSO, selection of suitable parameters which effect classification was applied successfully and the best result for classification was provided.
Benzer Tezler
- Çeşitli aktiviteler sırasında kaydedilmiş EEG ve EMG işaretlerinin sınıflandırılması
Classification of recorded EEG and EMG signals during various activities
TANER YURDUSEVER
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. TEMEL KAYIKÇIOĞLU
- Biyolojik işaretlerin temel tanım ve zarf fonksiyonları ile modellenmesi
Modelling biological signals via signature and envelope functions
HAKAN GÜRKAN
Doktora
Türkçe
2004
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF.DR. ALİ NUR GÖNÜLEREN
- EEG tabanlı çoklu sensör destekli bir insan makine arayüzünün geliştirilmesi
Development of an eeg and multi sensor based human machine interface
GÜRKAN KÜÇÜKYILDIZ
Doktora
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiMekatronik Ana Bilim Dalı
PROF. DR. HASAN OCAK
- Protez elin değişken hızla denetimi: Donanım ve tasarımı
Variable speed control of hand prostheses: Hardware and design
MEHMET SERDAR ÇELİK
Yüksek Lisans
Türkçe
2017
BiyomühendislikOndokuz Mayıs ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. İLYAS EMİNOĞLU
- EEG işaretlerindeki göz ve çene hareketi artifaktlarının sınıflandırılması
Classifying eye and chin movement artifacts in EEG signals
SHAHİN POURZARE
Yüksek Lisans
Türkçe
2012
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. TEMEL KAYIKÇIOĞLU