Estimation of emotional situation using EEG signals and machine learning methods
EEG sinyalleri ve makine öğrenme yöntemlerini kullanılarak duygusal durum kestirimi
- Tez No: 640563
- Danışmanlar: PROF. DR. AYDIN AKAN
- Tez Türü: Yüksek Lisans
- Konular: Biyoteknoloji, Biotechnology
- Anahtar Kelimeler: Destek vektör makineleri, EEG, Spektrogram, Support vector machines, Spectrogram
- Yıl: 2020
- Dil: İngilizce
- Üniversite: İzmir Katip Çelebi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Teknolojiler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Duygu tahmini insanlar ve makineler arasındaki etkileşimi arttırmak amaçlı kullanılan etkili bir analiz yöntemidir. Duygu analizi deneylerinde başarılı sonuçlar verdiği için günümüzde beyin sinyallerine dayalı, elektroensefalogram (EEG) tabanlı duygu tahmini araştırmaları ilgi çekmektedir. Bu çalışmada boyutsal duygu modellemesi doğrultusunda duygu tahmini analizi için yeni yöntemler önerilmektedir. Uluslararası Afektif Görüntü Sisteminden (IAPS) alınan görseller ile oluşturulmuş veri seti kullanılarak çok kanallı EEG sinyalleri kayıt edilmiştir. Bu veriler üzerinde gerekli olan filtreler uygulanarak veri temizleme ve gürültü giderme ön işlemleri gerçekleştirilmiştir. Daha sonra EEG sinyallerinden çeşitli öznitelikler elde edilmiş ve Destek Vektör Makineleri (DVM) ve K-en yakın komşu gibi sınıflandırma yöntemleri kullanılarak sınıflandırılmıştır. Başarı oranını arttırmak için EEG sinyalleri Çok Değişkenli Görgül Kip Ayrışım (ÇDGKA) yöntemi ile analiz edilerek elde edilen Özgün Kip Fonksiyonlarından (ÖKF) benzer öznitelikler hesaplanmış ve sınıflandırılmıştır. Duygu durum kestirimi için üçüncü bir yöntem olarak derin öğrenme tabanlı bir yaklaşım önerilmiştir. ÇDGKA ile elde edilen ÖKF'lerin zaman-frekans (ZF) gösterimleri Kısa Zamanlı Fourier Dönüşümü (KZFD) ve Spektrogram ile elde edilmiştir. Hesaplanan spektrogram matrisleri ZF imgesi olarak değerlendirilmiş, evrişimsel sinir ağını eğitmek ve duygu durum kestirimi için giriş olarak kullanılmıştır. Önerilen yöntemlerin başarım sonuçları, ÇDGKA gibi ileri sinyal analiz yöntemi ve derin öğrenme yaklaşımı kullanılarak duygu durum kestiriminde başarılı sonuçlar elde edildiğini ve gelecek insan-makine etkileşim sistemlerinde kullanılabileceğini göstermektedir.
Özet (Çeviri)
Emotion estimation is an effective analysis method used to increase the interaction between humans and machines. Electroencephalogram (EEG) based emotion prediction studies based on brain signals become very attractive since they provide successful results of emotion analysis. In this study, new methods for emotion prediction are presented in accordance with dimensional emotion modeling. Multichannel EEG signals are recorded while the subjects viewed pictures from the International Affective Image System (IAPS) data set. Signal preconditioning and artefact elimination was performed by applying necessary filters on the recorded data. Several features are extracted and the signals are classified using classification methods such as support vector machines and K-nearest neighbor. To improve the classification performance, we propose a second method where EEG signals are further analyzed by Multivariate Empirical Mode Decomposition (MEMD) and similar features are extracted from the intrinsic mode functions (IMFs) of the MEMD and classified using machine learning methods. As a third method, Deep Learning (DL) approach is proposed for classification of emotional labels. Time-frequency (TF) representations of the IMFs extracted using MEMD method are calculated by the Short-time Fourier Transform (STFT) and spectrogram. These spectrograms considered as TF images are applied to a Convolutional Neural Network (CNN) to classify the emotional labels. Performance results of the proposed methods suggest that utilizing an advanced signal processing method such as MEMD and using DL approach for classification provides encouraging results and may be used in future human-machine interaction studies.
Benzer Tezler
- Akım volüm halkası ile obstrüktif uyku apnesi teşhisi için makine öğrenmesi tabanlı bir yöntem geliştirilmesi
Development of a machine learning-based method for the diagnosis of obstructive sleep apnea using flow volume loop
SEVAL BULUT ERİŞ
Doktora
Türkçe
2026
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET RECEP BOZKURT
PROF. DR. CAHİT BİLGİN
- Discovering market insights from online product reviews through sentiment analysis
Çevrimiçi müşteri yorumları ile duygu analizi ve pazar payı için bir içgörü aracı
MUHAMMET ALİ KADIOĞLU
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERKAN IŞIKLI
- Bilişsel esneklik düzeyleri ile travma sonrası büyüme arasındaki ilişkide duygusal zekânın aracı rolü
The mediating role of emotional intelligence in the relationship between cognitive flexibility levels and posttraumatic growth
İREM DEMİR
Yüksek Lisans
Türkçe
2026
Psikolojiİstanbul Aydın ÜniversitesiPsikoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİYE ATEŞ ÖS
- A study on implementation of pain sensing model of human skin with multiple sensor units
Çoklu algılayıcı birimleri ile insan derisinin acı algılama modelinin uygulanması üzerine bir çalışma
AYDIN TARIK ZENGİN
Yüksek Lisans
İngilizce
2010
Elektrik ve Elektronik MühendisliğiKumamoto DaıgakuElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NOBUTOMO MATSUNAGA
- Görev ve insana yönelik liderlik ile duygusal zeka arasındaki ilişki
The relationship between emotional intelligence and task oriented leadership, people oriented leadership
ERHAN OKKA
Yüksek Lisans
Türkçe
2017
İşletmeKocaeli Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. HÜLYA GÜNDÜZ ÇEKMECELİOĞLU