Geri Dön

EEG sinyallerinden duygu tanıma için akıllı yöntemlerin geliştirilmesi

Development of intelligent methods for emotion recognition from EEG signals

  1. Tez No: 712305
  2. Yazar: MERVE AKAY YILDIRIM
  3. Danışmanlar: DOÇ. DR. TÜRKER TUNCER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Adli Bilişim Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 74

Özet

Günümüzde duyguların tanıması birçok alanda önemli bir unsur haline gelmiştir. EEG sinyallerinin çeşitli beyin ve nörolojik durumları teşhis ettiği düşünülmektedir. Duygusal durumun tespiti ve analizi için karakteristik sinyaller ürettiğinden bu çalışmada EEG sinyalleri kullanılmıştır. Bu tez çalışmasında önerilen modelin birincisinde efektif ve basit yöntem geliştirerek yüksek doğruluğa sahip otomatik duygu tanıma, diğerinde ise tek boyutlu sinyaller için yeni bir öğrenme modeli ile daha yüksek sınıflandırma geliştirerek yüksek doğruluğa sahip otomatik duygu tanıma amaçlanmıştır. Önerilen yöntemlerin birincisinde yerel ikili desen, çok düzeyli ayrık dalgacık dönüşümü, komşuluk bileşen analizi ve k-en yakın komşu sınıflandırıcı kullanılarak yeni bir otomatik EEG duygu tanıma modeli sunulmuştur. Bu model GAMEEMO veri setinde mükemmel sınıflandırma oranına %100.0 ulaşmıştır. Bu sonuçlar, modelin duygu sınıflandırması için EEG sinyalleri üzerindeki yüksek sınıflandırma yeteneğini açıkça göstermiştir. Önerilen diğer yöntemde, asal örüntü ve ayarlanabilir q-faktörlü dalgacık dönüşümü (AQDD) özellik üretme modeli sunulmuştur. Bu model, özellik çıkarma, özellik seçimi ve sınıflandırma olmak üzere makine öğrenimi modelinin tüm aşamalarını kapsamaktadır. Önerilen model 87 özellik vektörü ürettiğinden dolayı, bu model PrimePatNet87 olarak adlandırılmıştır. Önerilen modeli geliştirmek için herkese açık GAMEEMO, DREAMER ve DEAP veri seti kullanılmıştır. PrimePatNet87 modeli, birey bazlı çapraz doğrulama (LOSO) ile tüm veri kümelerinde %99'un üzerinde sınıflandırma doğruluğuna ulaşmıştır. Bu sonuçlar, önerilen asal örüntü modelinin gerçek dünya uygulamaları için hazır olduğunu göstermiştir.

Özet (Çeviri)

Nowadays, emotion recognition has become an important element in many areas.EEG signals are thought to diagnose a variety of brain and neurological conditions. EEG signals were used in this study because they generate characteristic signals for the detection and analysis of the emotional state. In the proposed model of this thesis, it was aimed to develop an effective and simple method to develop high-accuracy automatic emotion recognition,together with developing a higher classification with a new learning model for one-dimensional signals, and to achieve high-accuracy automatic emotion recognition. In the first proposed methods, a new automatic EEG emotion recognition model is presented using local binary pattern, multilevel discrete wavelet transform, neighborhood component analysis and k-nearest neighbor classifier. This model has reached an excellent classification rate of 100.0% in the GAMEEMO dataset. These results clearly demonstrated the model's high classification ability on EEG signals for emotion classification. In the other proposed method, the prime pattern and tunable q-factor wavelet transform (TQDD) feature generation model are presented. This model covers all phases of the machine learning model, including feature extraction, feature selection, and classification. Since the proposed model generates 87 feature vectors, this model is named PrimePatNet87. The publicly available GAMEEMO, DREAMER and DEAP datasets were used to develop the proposed model. The PrimePatNet87 model achieved over 99% classification accuracy across all datasets with leave one subject out (LOSO) validation. These results show that the proposed prime pattern model is ready for real-world applications.

Benzer Tezler

  1. Real-time emotion recognition from EEG signals using one electrode device

    Tek elektrotlu cihaz ile EEG sinyallerinden gerçek zamanlı duygu tanıma

    MEHMET ALİ SARIKAYA

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. GÖKHAN İNCE

  2. 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

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ HİKMET DOĞRU

    DOÇ. DR. TÜRKER TUNCER

  3. Emotion aware artificial intelligence for cognitive systems

    Bilişsel sistemler için duygu farkındalıklı yapay zeka

    DEĞER AYATA

    Doktora

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YUSUF YASLAN

    PROF. DR. MUSTAFA ERSEL KAMAŞAK

  4. EEG sinyalleri ve yüz ifadeleri kullanılarak farklı uyaran tiplerine göre duygu analizi ve sınıflandırma

    Emotion analysis and classification for various types of stimuli using EEG signals and facial expressions

    YAŞAR DAŞDEMİR

    Doktora

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMustafa Kemal Üniversitesi

    Enformatik Ana Bilim Dalı

    DOÇ. DR. SERDAR YILDIRIM

  5. Medikal veri setleri için yeni bir aşırı öğrenme makinesi otomatik kodlayıcı tasarımı

    A new extreme learning machine auto encoder design for medical datasets

    BERNA ARI

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDULKADİR ŞENGÜR