Geri Dön

Kalp sesleri kullanılarak kişi tanıma

Recognizing people using heart sounds

  1. Tez No: 415325
  2. Yazar: FERDA DAL
  3. Danışmanlar: YRD. DOÇ. DR. İBRAHİM YÜCEL ÖZBEK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2015
  8. Dil: Türkçe
  9. Üniversite: Atatürk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Haberleşme Bilim Dalı
  13. Sayfa Sayısı: 49

Özet

Bu tez çalışmasının temel amacı, kişilere ait kalp sesleri kullanılarak cinsiyetve yaş sınıfı tanıma yapabilmek ve yeni bir biyometrik tanıma önerebilmektir. Cinsiyet tanıma işleminde, Gauss Karışım Modeli (GKM) ve Destek Vektör Makineleri (DVM) kullanılarak test edilen kişinin bayan ya da erkek olduğuna karar verilir. Yaş tanıma işleminde ise bireyler genç (50) olmak üzere üç farklı sınıfa ayrılır ve Destek Vektör Makineleri (DVM) kullanılarak test edilen kişinin genç, orta yaşlı ya da yaşlı olduğuna karar verilir. Veri tabanında 49'u bayan olmak üzere toplam 205 kişiye ait kalp sesi sinyali bulunmaktadır. Bu veri tabanı kullanılarak yapılan çalışmalarda, cinsiyet tanıma işleminde Gauss Karışım Modeli (GKM) kullanılarak elde edilen başarı %87,75 iken, Destek Vektör Makineleri (DVM) kullanılarak elde edilen başarı %93,87'dir. Yaş sınıfı tanıma işlemindeki başarı ise %78,28'dir.

Özet (Çeviri)

The basis purpose of this thesis is to do gender and age classification detection using heart sounds and suggest a new biometric. For gender detection, tested person is determined as male or female using Gauss Mixture Model (GMM) and Support Vector Machine (SVM).For age classification detection, individuals are separated three classes in for young, adult and senior and tested person is determined as young, adult or senior using Support Vector Machine (SVM). In the database, there are two hundred five individuals' heart sounds and forty nine of these belong to women.In performed studies using this database, while the obtained success for gender detection using Gauss Mixture Model (GMM) is 87,75%, the obtained success for gender detection using Support Vector Machine (SVM) 93,87%. The obtained success for age classification detection is 78,28%.

Benzer Tezler

  1. Emotion recognition in children: Single and multimodal approaches with facial and physiological data

    Çocuklarda duygu tanima: Yüz ve fizyolojik verilerle tekli ve çoklu modalite yaklaşimlari

    ŞEYMA TAKIR

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HATİCE KÖSE

  2. Basketbolda farklı oyuncu sayılarıyla oynanan yarı saha ve tam saha oyunlara verilen fizyolojik cevapların karşılaştırılması

    Comparison of physiological effects of half court and full court games played different number of players

    BİLAL UTKU ALEMDAROĞLU

    Doktora

    Türkçe

    Türkçe

    2011

    SporAnkara Üniversitesi

    Beden Eğitimi ve Spor Ana Bilim Dalı

    PROF. DR. MİTAT KOZ

  3. Machine learning approach for predicting severity of obstructive sleep apnea syndrome

    Obstrüktif uyku apnesinin şiddetinin tahminlenmesinde makine öğrenmesi yaklaşımı

    ONURHAN HAMZAOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı

    PROF. DR. FETHİYE AYLİN SUNGUR

  4. Kablosuz iletişim kullanılarak kalp seslerinin gerçek zamanda depolanması, görüntülenmesi ve analizi

    Real time heart sound storage, monitoring and analysis using wireless communication

    CEMİL OVACIK

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. TAMER ÖLMEZ

    PROF. DR. AHMET COŞKUN SÖNMEZ

    YRD. DOÇ. DR. GÜLAY ÖKE

  5. Tek bir zamanla-değişen spektral nitelik kullanılarak kalp seslerinin hastalık tanısı amaçlı sınıflandırılması

    Classification of heart sounds for disease diagnosis by using a single time-varying spectral feature

    PRATİMA UPRETEE

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Mühendislik BilimleriErciyes Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET EMİN YÜKSEL