Ecoc based multi-class classification in brain computer interfaces with SSVEP
DHGUP ile beyin bilgisayar arayüzlerinde hdçk tabanlı çok sınıf sınıflandırma
- Tez No: 658435
- Danışmanlar: DR. ÖĞR. ÜYESİ HÜSEYİN ÖZKAN, DR. ÖĞR. ÜYESİ NİHAN ALP
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Elektrik ve Elektronik Mühendisliği, Bioengineering, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 76
Özet
salınım yapan görsel uyaranlara tepkisidir. DGHUP' ın önemli uygulamalarından birisi de DHGUP bazlı BBA heceleyicidir. Bu sistem engelli bireylerin çevreleriyle, konuşmadan Durağan hal görsel uyarılmış potansiyel (DHGUP) bazlı beyin-bilgisayar arayüzü (BBA), makul, taşınabilir ve daha az masraflı olması sebebiyle girişimsel olmayan (non-invaziv) BBA sistemleri arasında kullanılan en yaygın yöntemdir. DHGUP sinyalleri, beynin belirli frekansta , sadece beyin sinyallerini kullanarak iletişim kurabilmelerine olanak sağlar. DHGUP bazlı BBA heceleyicide birçok salınım yapan karakter ve sayılar kullanır. Bu yüzden, beyin aktivitelerini anlamlandırmak, çok sınıflı bir sınıflandırma problemidir. Geçtiğimiz yıllarda, birçok çalışma daha iyi bir performans elde edebilmek için, yüksek doğruluk oranlı frekans kestirimi ve yüksek bilgi aktarım hızı elde etmeye çalışmışlardır. Bu tezde, bahsedilen çok sınıflı sınıflandırma problemini çözmek için bir torbalama yöntemi olan, Hataya Dayanıklı Çıktı Kodları (HDÇK) kullanılmıştır. Bildiğimiz ka.darıyla bugüne kadar, HDÇK yöntemi DHGUP sinyallerini sınıflandırma probleminde kullanılmamıştır. HDÇK matris tasarım algoritmalarından 4 tanesinin, bire-bir kodlama, bire-hepsi kodlama, yoğun ve ayrık rastgele kodlama, arasında kapsamlı bir karşılaştırma sunulmuştur. Ayrıca üç tane öznitelik çıkarma metodu, bu matris tasarımlarının performanslarını incelemek için kullanılmıştır. Kullanılan öznitelik çıkarma metotları, kanonik korelasyon analizi (KKA), korelasyonlu parçacık analizi (KORRPA), Welch metodu ile güç spektral yoğunluğu analizidir (GSYA). HDÇK metodu, standart metotlara göre, örneğin standart KKA ve standart KORRPA metotlarına göre, performansı iyileştirmiştir Sonuçlar, KORRPA öznitelik çıkarma metodunun, özellikle kısa zaman aralıklarında, diğer öznitelik çıkarma metotlarına göre, bire-hepsi matris tasarımının diğer matris tasarımlarına göre, daha iyi performans verdiğini göstermiştir. Sonuç itibariyle, sunulan yöntem, yüksek performanslı DHGUP bazlı BBA heceleyici sistemlerinin uygulanmasında, bir potansiyele sahiptir.
Özet (Çeviri)
Brain-Computer Interfaces (BCIs) based on steady-state visual evoked potential (SSVEP) responses are among the most frequently used non-invasive BCI systems due to their feasibility, portability, and low cost. SSVEPs are the brain responses to flickering visual stimuli at a specific frequency. One of SSVEP's critical applications is SSVEP-based BCI speller; this system allows disabled people to communicate directly by using their brain signals without dependence on speech production. An SSVEP-based BCI speller incorporates a variety of flickering characters or numbers. Therefore, decoding brain activities for an SSVEP-based BCI speller requires solving a multi-class classification problem. Over the last few years, various studies have attempted to achieve higher frequency recognition accuracy and faster information transfer rates to enhance the recognition performance. This thesis employs an ensemble method called Error-Correcting Output Codes (ECOC) to tackle the above-mentioned multi-class classification problem. To the best of our knowledge, the ECOC framework has not been explored for the SSVEP classification problems to date. We present an extensive set of comparisons among four prominent ECOC coding matrix designs, one-vs-all (OVA), one-vs-one (OVO), random dense, and random sparse. Furthermore, three feature extraction methods are investigated to evaluate the overall performance of such designs. The utilized feature extraction methods include Canonical Correlation Analysis (CCA), Power Spectrum Density Analysis (PSDA) via Welch's method, and Correlated Components Analysis (CORRCA). Using the ECOC ensemble method improves the general performance compared to the standard methods such as standard CCA and standard CORRCA. Moreover, the results indicate the superiority of the feature extraction method CORRCA especially for a short time window and the OVA coding matrix design. In conclusion, The presented approach has the ability to incorporate high-performance BCI speller systems based on SSVEP.
Benzer Tezler
- Spatial decoding of oscillatory neural activity for brain computer interfacing
Beyin makine arayüzleri için salınımlı beyin işaretlerinin uzamsal çözümlemesi
İBRAHİM ONARAN
Doktora
İngilizce
2013
Biyomühendislikİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ENİS ÇETİN
YRD. DOÇ. DR. NURİ FIRAT İNCE
- Optimising ECOC matrices in multi-class classification problems
Çok sınıflı problemler için ECOC matrisleri optimizasyonu
ERİNÇ MERDİVAN
Yüksek Lisans
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiDOÇ. DR. AYŞE BERRİN YANIKOĞLU YEŞİLYURT
- Multimedia traffic classification based on discrete time Markov chains
Ayrık zamanlı Markov zincirlerini baz alan multimedya trafik sınıflandırması
OĞUZ KAAN KÖKSAL
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiSabancı ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN ÖZKAN
PROF. DR. ÖZGÜR GÜRBÜZ ÜNLÜYURT
- Model selection for multi-class support vector machines
Destek vektör makinalarında model seçimi
EVRİM ITIR KARAÇ
Yüksek Lisans
İngilizce
2005
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiMatematik Ana Bilim Dalı
PROF. DR. LEVENT AKIN
- Deep learning ensembles for image understanding
Başlık çevirisi yok
SARA ATITO ALI AHMED
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE BERRİN YANIKOĞLU YEŞİLYURT