EEG sinyallerinin dalgacık dönüşümü ve ortak vektör yaklaşımı ile sınıflandırılması
EEG signals classification with wavelet transforms and common vector aproach
- Tez No: 668559
- Danışmanlar: PROF. DR. GÖKHAN GÖKMEN, DR. MEHMET YUMURTACI
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 66
Özet
Duygular, insanların psikolojik durumunu oluşturan, buna bağlı olarak günlük yaşantısında yaptığı faaliyetlerin verimini etkileyen en önemli kavramlardandır. Duygu işleme yeteneği olmayan bilgisayarların ve robotların, doğal şekilde insanlarla iletişim kurması beklenemez. Son yıllarda yapılan araştırmalarda insan bilgisayar etkileşimine diğer bir ifadeyle bilgisayarların duyguları analiz etmesine odaklanılmıştır. Duygu analiziyle insan makine etkileşiminin arttırılması; beyin kontrolüyle çalıştırılabilecek sistemler için geliştirilen beyin bilgisayar arayüzleri, e- ticaret, oyun endüstrisi, güvenlik, sağlık gibi farklı alanların gelişimine katkı sağlayacaktır. Ancak duyguların kişiden kişiye değişmesi, insanların aynı görsele farklı duygusal tepkiler verebilmesi gibi sebepler duygu analizini zorlaştırmaktadır. Duygu tahmini yüz ifadelerinin, mimiklerin, seslerin kullanılmasıyla ilk olarak 1990'lı yıllarda yapılmıştır. Bu verilerin elde edilmesi kolay olsa da manipüle edilmeye yatkın olduklarından yanıltıcı tahminlere neden olabilmektedir. Fizyolojik sinyaller daha güvenilir olduğundan duygu tahmini için tercih edilmektedir. Son yıllarda EEG cihazlarının gelişimi, kanal sayısının azaltılmasıyla taşınmasının ve veri alımının kolaylaşması gibi etkenlerden dolayı EEG verileri daha çok tercih edilmektedir. Bu tez çalışmasında duygu analizi aşamalarında kullanılan çeşitli yöntemlerin sınıflandırma başarımına etkisi incelenmiştir. EEG sinyali analizinde ilk defa Ortak Vektör Yaklaşımı yöntemi kullanılmıştır. Duygu analizi konusunda tercih edilen en popüler açık kaynak veri seti olan DEAP veri seti kullanılmıştır. İlk olarak 4. seviye daubuchies4 dalgacığı ile frekans bantlarına ayrılan EEG sinyallerinin örneklemleri çeşitli sinyal işleme metotları aracılığıyla tek boyuta indirgenmiş ve enerji metodunun daha başarılı sonuç verdiği gözlemlenmiştir. Ardından 32 kanal ve 10 kanal için; Ortak Vektör Yaklaşımı, Destek Vektör Makineleri yöntemleriyle toplu ve bireysel olarak analiz edilerek sınıflandırma sonuçları tablolar ile sunulmuştur. Sınıflandırmaların çoğunluğunda Ortak Vektör Yaklaşımı yöntemi daha başarılı olmuştur.
Özet (Çeviri)
Emotions are one of the most important concepts that constitute the psychological state of people and therefore affect the efficiency of the activities they do in their daily life. Computers and robots that do not have the ability to process emotions cannot be expected to communicate with humans naturally. Recent research has focused on human-computer interaction, in other words, computers to analyze emotions. Increasing human-machine interaction with sentiment analysis; Brain-computer interfaces developed for systems that can be operated with brain control will contribute to the development of different fields such as e-commerce, game industry, security, and health. However, the reasons such as the change of emotions from person to person and the fact that people can give different emotional reactions to the same visual make it difficult to analyze the emotions. Emotion prediction was first made in the 1990s by using facial expressions, gestures, and voices. Although these data are easy to obtain, they can lead to misleading estimates as they tend to be manipulated. Physiological signals are preferred for emotion prediction because they are more reliable. In recent years, EEG data are more preferred due to factors such as the development of EEG devices, the reduction in the number of channels, and the ease of transportation and data acquisition. In this thesis, the effect of various methods used in emotion analysis stages on classification performance was examined. The common Vector Approach method was used for the first time in EEG signal analysis. The DEAP data set, which is the most popular open-source data set for sentiment analysis, was used. First, the samples of EEG signals divided into frequency bands with level 4 daubuchies4 wavelet were reduced to one dimension by means of various signal processing methods and it was observed that the energy method gave more successful results. Then for 32 channels and 10 channels; By analyzing the Common Vector Approach and Support Vector Machines methods collectively and individually, the classification results are presented in tables. The Common Vector Approach method has been more successful in most of the classifications.
Benzer Tezler
- Uyaran zamanlaması parametrelerinin optimize edilerek P300 sinyallerinin hızlı belirlenmesi
Rapid detection of P300 signals by optimizing parameters of stimulus timing
KÜBRA SAKA
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖNDER AYDEMİR
- Deep learning classification of cognitive workload levels from EEG wavelet transform images
EEG dalgacık dönüşüm görüntülerinden bilişsel yük seviyelerinin derin öğrenme ile sınıflandırılması
VOLKAN DOĞAN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişsel Bilim Ana Bilim Dalı
DOÇ. DR. MURAT PERİT ÇAKIR
- New generation feature engineering models based emotion classification using EEG signals
EEG sinyallerini kullanan yeni nesil özellik mühendisliği modellerine dayalı duygu sınıflandırması
ABDULLAH DOĞAN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ HİKMET DOĞRU
DOÇ. DR. TÜRKER TUNCER
- EEG sinyallerinin dalgacık dönüşümü ve yapay sinir ağları ile analizi
Analysis of EEG signals using the wavelet transform and artificial neural network
İNAYET BURCU TOPRAK
Yüksek Lisans
Türkçe
2007
BiyomühendislikSüleyman Demirel ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF.DR. MUSTAFA MERDAN
- EEG dalgalarının wavelet (dalgacık) dönüşümü ile değerlendirilmesi
Analsing EEG waves using wavelet transform
ÖMER DEMİR
Yüksek Lisans
Türkçe
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDumlupınar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. EYYÜP GÜLBANDILAR