EEG işaretlerinin diskriminant analizi ile sınıflandırılması
Classification of EEG signals by using discriminant analysis
- Tez No: 269239
- Danışmanlar: YRD. DOÇ. DR. AHMET ALKAN
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Elektrik ve Elektronik Mühendisliği, Bioengineering, Electrical and Electronics Engineering
- 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: 77
Özet
İnsan beyinin aktiviteleri hakkında EEG işaretlerinin çok fazla bilgi içerdiği bilinmektedir. EEG işaretlerinden, birçok rahatsızlıkla beraber epilepsi (sar'a) teşhisi de yapılmaktadır. EEG'den hızlı ve yüksek doğrulukta bilgi elde etmek, istatistiksel işaret işlemenin güncel ilgi konusudur.Bu çalışmada, EEG işaretlerinden boyut azaltma yapılarak özellik vektörleri oluşturulmuştur. Boyut azaltma için Özbağlanımlı (AR) yöntemlerinden Yule-Walker ve Kovaryans kullanılmıştır. Ayrıca boyut azaltma için Ortalama Mutlak Değer (OMD) yöntemi kullanılmıştır. Daha sonra elde edilen özellik vektörü Lineer Diskriminant Analizi (LDA) yöntemi ile sınıflandırmaya tabi tutulmuştur. Bu algoritmanın EEG işaretlerini sağlıklı ve epileptik olarak iki sınıfa ayırması sağlanmıştır. Karşılaştırma yapmak için aynı özellik vektörü Destek Vektör Makineleri (DVM), K-Ortalama ve Bulanık C- Ortalama (BCO) yöntemleri ile sınıflandırmaya tabi tutulmuştur. LDA'nın sınıflandırma başarısı %99,5 olarak tespit edilmiştir.
Özet (Çeviri)
EEG signals contain huge amount of information about the activities of brain. Diagnosis of epilepsy can be done by using EEG signals fast and accurate extraction of the information from the EEG is the main interests of the statistical signal processsing.In this study features vectors are produced by using dimensionality reduction. For this aim Yule-Walker and Covariance algorithms from Auto-Regressive (AR) methods are used. In addition to these methods, Mean Absolute Values (MAV) are used.After that step, obtained feature vectors are used as an input to LDA classification system. Thus, EEG signals are classified in to two class as normal and epileptic to compare the achievements of this method same feature vectors are applied to Support Vector Machine (SVM) classification, K-means and C-means clustering techniques. It can be reported that LDA gives the best classification achievement with a %99,5 accuracy.
Benzer Tezler
- EEG işaretlerinin epileptik nöbet kestiriminde modern yöntemlerle analizi ve sınıflandırılması
The analysis and classification of EEG signals in the epileptic seizure prediction by modern methods
ERHAN BERGİL
Doktora
Türkçe
2018
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET RECEP BOZKURT
- Elektroensefalografi işaretlerinin makine öğrenmesi algoritmaları ile incelenmesi ve sınıflandırılması
Analysis and classification of electroencephalography signal using machine learning algorithms
ŞULE BEKİRYAZICI
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik MühendisliğiBursa Uludağ ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
PROF. DR. GÜNEŞ YILMAZ
- El ile kavrama hareketinin düşünülmesi sırasında kaydedilen EEGişaretlerinin pso tabanlı sınıflandırılması
Pso based classification of EEG signals recorded during imagery of hand grasp movement
OSMAN KEREM ATEŞ
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖNDER AYDEMİR
- Biyomedikal işaretlerin sınıflandırılması için akıllı tekniklerin Labview ortamında gerçeklenmesi
Realization of intelligent techniques for classification of biomedical signals in the Labview
DUYGU KAYA
Doktora
Türkçe
2018
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA TÜRK
- Motor imge tabanlı beyin bilgisayar arayüzü sistemlerinde ön işleme yönteminin sınıflandırma performansına etkisinin araştırılması
Investigation of the effect of preprocessing method on classification performance in motor imagery based brain computer interface systems
EDA DAĞDEVİR
Doktora
Türkçe
2021
BiyoistatistikErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. MAHMUT TOKMAKÇI