Geri Dön

K-en yakın komşuluk algoritmasını kullanarak EEG tabanlı kişi tanıma

EEG-based person identification using K-nearest neighborhood algorithm

  1. Tez No: 601071
  2. Yazar: MESUT ÜÇÜNCÜ
  3. Danışmanlar: DOÇ. DR. ÖNDER AYDEMİR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyomühendislik, Elektrik ve Elektronik Mühendisliği, Bioengineering, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Karadeniz Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    İngilizce

    2017

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ZÜMRAY DOKUR

  2. 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

    Türkçe

    2019

    BiyomühendislikKarabük Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET REŞİT KAVSAOĞLU

  3. Elektroensefalografi işaretlerinin makine öğrenmesi algoritmaları ile incelenmesi ve sınıflandırılması

    Analysis and classification of electroencephalography signal using machine learning algorithms

    ŞULE BEKİRYAZICI

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Elektrik ve Elektronik MühendisliğiBursa Uludağ Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜNEŞ YILMAZ

  4. 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

    Türkçe

    2021

    BiyoistatistikErciyes Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. MAHMUT TOKMAKÇI

  5. 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

    Türkçe

    2016

    Elektrik ve Elektronik MühendisliğiBalıkesir Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AYHAN İSTANBULLU