Geri Dön

ECoG tabanlı parmak hareketlerinin KNN ve DVM yöntemleri ile sınıflandırılması

ECoG-based of finger movement classification with KNN and SVM

  1. Tez No: 335506
  2. Yazar: KERİM KARADAĞ
  3. Danışmanlar: DOÇ. DR. M. SİRAÇ ÖZERDEM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2013
  8. Dil: Türkçe
  9. Üniversite: Dicle Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 69

Özet

Bu tez kapsamında, ECoG kayıtları kullanılarak parmak hareketlerinin sınıflandırılması amaçlanmıştır. ECoG verilerinin sınıflandırılma sürecinde, iki yaklaşım izlenmiştir. Birinci yaklaşımda, öznitelik olarak AR katsayıları kullanılarak k-NN ve DVM sınıflandırıcıları ile kümelerin sınıflandırma başarım oranları belirlenmiştir. Elde edilen sonuçlara göre, genel olarak az sayıda katsayı ile maksimum başarımın elde edildiği görülmüştür. Sınıflandırıcı açısından bakıldığında, DVM?in k-NN sınıflandırıcısına göre daha iyi bir performans sergilediği görülmüştür. ECoG verilerinin sınıflandırılmasında izlenen ikinci yaklaşımda, öznitelik olarak dalgacık katsayıları kullanılmıştır. Birinci aşamada DVM sınıflandırıcısının k-NN sınıflandırıcısına göre daha iyi bir performans sergilemiş olmasından ötürü, ikinci aşamada sınıflandırıcı olarak sadece DVM kullanılmıştır. Etkin kanalların belirlenmesi ile sınıflandırma başarım oranlarının yükseldiği görülmüştür. Farklı paradigmalar ile elde edilen EEG/ECoG işaretleri değerlendirilerek, beynin dinamiği anlaşılmaya çalışılmaktadır. Bu çalışmada kullanılan ECoG işaretleri aynı amaç için kullanılmıştır. Uygulanılan yöntemin başarıyla uygulanabilirliliği görülmüştür.

Özet (Çeviri)

In this thesis, two approaches have been followed classification of finger movements have aimed using ECoG recordings. In first approach, performance in classification of clusters are determined with k-NN and SVM classifiers by using AR coefficients as attribute. According to found results, it has been seen that maximum performance is obtained. With less coefficients generally. From the perspective of the classifier performance of SVM is beter than that of k-NN. In second approaches followed for classification the values of ECoG, wavelet coefficients are used as an attribute. in the second stage only SVM classifier is used because it was found firstly that SVM performance was beter than that of k-NN. It is seen that classification performance rates are increased by determining of effective channels. It has been tried to understanding the dynamics of brain by evaluated EEG / ECoG signals obtained with different paradigms. In this study ECoG signals are used for the same aim. It is seen that these methods can be applied successfully.

Benzer Tezler

  1. Spatial decoding of oscillatory neural activity for brain computer interfacing

    Beyin makine arayüzleri için salınımlı beyin işaretlerinin uzamsal çözümlemesi

    İBRAHİM ONARAN

    Doktora

    İngilizce

    İngilizce

    2013

    Biyomühendislikİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET ENİS ÇETİN

    YRD. DOÇ. DR. NURİ FIRAT İNCE

  2. Probabilistic graphical models for brain computer interfaces

    Probabilistic graphical models for brain computer interfaces

    JAİME FERNANDO DELGADO SAA

    Doktora

    İngilizce

    İngilizce

    2014

    Elektrik ve Elektronik MühendisliğiSabancı Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MÜJDAT ÇETİN

  3. Psikofizyolojik ölçüm tabanlı beyin bilgisayar arayüz sistemlerinde performans artırmaya yönelik bir çalışma

    A study on performance increasing in psychophysiological measurement based brain-computer interface systems

    ERDEM ERKAN

    Doktora

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET AKBABA

  4. Yapılandırılmış bireysel anımsamanın palyatif bakım hastalarının semptom yönetimi, yaşam memnuniyeti ve öz aşkınlık üzerine etkisi

    The effect of structured individual reminiscence on symptom management, life satisfaction and self transcendence of palliative care patients

    CANAN BOZKURT

    Doktora

    Türkçe

    Türkçe

    2022

    HemşirelikEge Üniversitesi

    İç Hastalıkları Hemşireliği Ana Bilim Dalı

    PROF. DR. YASEMİN YILDIRIM

  5. Metastatik akciğer kanserinde prognostik karar ağacı

    Prognostic decision tree in metastatic lung cancer

    AHMET ALİ USTA

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2017

    OnkolojiSüleyman Demirel Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    DOÇ. DR. MURAT KOÇER