K-en yakın komşuluk algoritmasını kullanarak EEG tabanlı kişi tanıma
EEG-based person identification using K-nearest neighborhood algorithm
- Tez No: 601071
- Danışmanlar: DOÇ. DR. ÖNDER AYDEMİR
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Elektrik ve Elektronik Mühendisliği, Bioengineering, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 113
Özet
EEG beynin elektriksel aktivitesini kaydetmek ve yorumlayabilmek için bir izleme yöntemidir. Psikolojik bazı hastalıkların tanısında, beyin-bilgisayar ara yüzü (BCI) uygulamalarında kullanılabilmektedir. Ayrıca güvenlik sistemlerinde kişiye özgü EEG tabanlı biyometriler sayesinde, e-sağlık, e-devlet, e-oylama gibi uygulamalarda da kullanılabilmektedir. Bu yazıda iki farklı veri kümesine ait deney sonuçları paylaşılacaktır. Birincisi; iki boyutlu bilgisayar imleci hayali hareketi sırasında kaydedilen EEG verilerini kullanarak 3 kişinin kimlik doğrulaması için hızlı ve doğru yöntemler önerilmiştir. EEG sinyallerinin türev varyanslarının logaritmik fonksiyonuna dayalı çıkarılan öznitelik vektörleri, k-en yakın komşuluk (k-EYK) yöntemiyle sınıflandırılmıştır. Önerilen yöntemler dört (yukarı/aşağı/sağ/sol) veri kümesine başarıyla uygulanmıştır. Bu 3 kişinin kimliğini doğrularken sırasıyla %93,86, %98,25, %96,49, %98,18 sınıflandırma doğruluğu elde edilmiştir. İkincisi; 4 adet doğal yağın (nane, karanfil, kekik, biberiye) koklatılması sonucunda ortaya çıkan EEG verilerini kullanarak 8 kişinin kimlik doğrulaması için hızlı ve doğru yöntemler önerilmiştir. EEG sinyallerinin türev varyanslarının logaritmik fonksiyonuna dayalı çıkarılan öznitelik vektörleri, k-EYK yöntemiyle sınıflandırılmıştır. Önerilen yöntemler dört veri kümesine başarıyla uygulanmıştır. Bu 8 kişinin kimliğini doğrularken sırasıyla % 93,88, %95,44, %96,13, %96,63 sınıflandırma doğruluğu elde edilmiştir.
Özet (Çeviri)
EEG is a monitoring method to record and interpret the electrical activity of the brain. It can be used in the diagnosis of some psychological diseases and brain computer interface (BCI) applications. In addition, it can be used in applications such as e-health, e-government, e-voting thanks to EEG-based biometrics that provide personalized data in security systems. In this study, experimental results of two different data sets will be shared. First; fast and accurate methods for the identification of 3 people have been proposed using EEG data recorded during the imaginary movement of a two - dimensional computer cursor. The feature vectors extracted based on the logarithmic function of derivative variances of EEG signals were classified by k-closest neighborhood (k-NN) method. The proposed methods have been successfully applied to four (up/down/righ /left) data sets. While confirming the identity of these 3 people, 93.86%, 97.81%, 96.49%, 98.25% classification accuracy was obtained, respectively. Second; fast and accurate methods for the authentication of eight people were proposed by using EEG data obtained from the smell of four natural oils (mint, clove, thyme, rosemary). The feature vectors extracted based on the logarithmic function of derivative variances of EEG signals were classified by k-NN. The proposed methods have been successfully applied to four data sets. While confirming the identity of these 8 people, 93.88%, 95.44%, 96.13%, 96.63% classification accuracy was obtained, respectively.
Benzer Tezler
- Motor imagery based mobile brain computer interface design using machine learning techniques
Makine öğrenmesi yöntemleri ile motor hareket hayali tabanlı mobil beyin bilgisayar arayüzü tasarımı
HAKAN AŞIK
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ZÜMRAY DOKUR
- EEG sinyalleri kullanılarak gerçek zamanlı P300 tabanlı heceleme sistemi tasarımı
The real-time P300 based speller system design by using EEG signals
ABDULLAH BİLAL AYGÜN
Yüksek Lisans
Türkçe
2019
BiyomühendislikKarabük ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET REŞİT KAVSAOĞLU
- 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
- 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
- Alın bölgesinden alınan elektrookülogram (EOG) işaretleri için ölçüm devresi tasarımı ve sınıflandırılması
The instrumentation circuit design and classification of EOG signals gained from frontal part
BAHADIR CÖMERT
Yüksek Lisans
Türkçe
2016
Elektrik ve Elektronik MühendisliğiBalıkesir ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYHAN İSTANBULLU