Kalp sesleri kullanılarak kişi tanıma
Recognizing people using heart sounds
- Tez No: 415325
- Danışmanlar: YRD. DOÇ. DR. İBRAHİM YÜCEL ÖZBEK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Haberleşme Bilim Dalı
- 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
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
- 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
- Machine learning approach for predicting severity of obstructive sleep apnea syndrome
Obstrüktif uyku apnesinin şiddetinin tahminlenmesinde makine öğrenmesi yaklaşımı
ONURHAN HAMZAOĞLU
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
PROF. DR. FETHİYE AYLİN SUNGUR
- 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
2014
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
PROF. DR. AHMET COŞKUN SÖNMEZ
YRD. DOÇ. DR. GÜLAY ÖKE
- 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
2019
Mühendislik BilimleriErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET EMİN YÜKSEL