Evaluation of popular features and entropy as a new feature for hand gesture classification by electromyography signals
Elektromiyografi sinyalleri ile el jest sınıflandırılmasında populer özniteliklerin ve yeni bir öz nitelik olarak entropinin değerlendirilmesi
- Tez No: 718135
- Danışmanlar: DOÇ. DR. HALİT ERGEZER
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Çankaya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 61
Özet
EMG sinyallerinin örüntü tanıma yöntemleriyle sınıflandırılması konusunun 40 yılı aşkın bir geçmişi vardır. Günümüzde bu sınıflandırma, geliştirilen yöntemler kullanılarak daha kısa sürede ve daha doğru tahminler yapabilen daha uygulanabilir olması çabalanıyor. Literatür taramasında, bir grup özniteliğin araştırmacılar arasında popüler hale geldiği ve popülerlikten başka bir neden gösterilmeden tekrar tekrar kullanıldığı tespit edilmiştir. Ayrıca, entropinin biyo-sinyal sınıflandırma araştırmalarında birçok kullanımının olduğu tespit edilmiştir. Yine de el hareketlerinin EMG sinyallerinin sınıflandırılması için kullanılmamıştır. Bu araştırma, EMG çalışmalarındaki dokuz“popüler”özniteliğin sınıflandırma yeteneğini araştırıyor ve yeni bir öznitelik olarak entropiyi öneriyor. Bu amaçla, NinaPro DB5 veri seti ile SVM sınıflandırıcıları kullanılarak deney protokolleri oluşturulmuştur. İlk dokuz popüler özellik, farklı kombinasyonlarla test edildi. Daha sonra entropi özelliği pencere uzunluğu duyarlılığı ile analiz edilmiş, LPH ile olan sorunu önerilen GPH yaklaşımı ile çözülmüştür. Ardından, gerçek zamanlı bir test için aktivasyon tespiti geliştirilir ve uygulanır. Her iki bölümün sonuçları da diğer çalışmalarla karşılaştırması kolay olacak şekilde kendi bölümlerinde verilmiştir. Popüler özniteliklerin değerlendirilmesi, bazı özniteliklerin sisteme zarar verebileceğini gösterdi; ancak, bu uygulamadan uygulamaya büyük ölçüde değişir. Öte yandan, entropi özniteliği, EMG sinyallerini sınıflandırmak için kullanılabileceğini ve pencerelerden çıkarılan özellik vektörlerini eğitim setinden farklı uzunluklarda sınıflandırabileceğini göstermiştir.
Özet (Çeviri)
The topic of EMG signals classification by pattern recognition methods has more than 40 years of history. Today, efforts are being made to make this classification more applicable, using the developed methods to make more accurate predictions in a shorter time. While scanning the literature, it is found that a group of features became popular among researchers and repeatedly used without giving any other reason than popularity. It is also found that entropy has many usages within bio-signal classification research. Still, it is unused for classifying EMG signals of hand gestures. This research investigates the classification ability of nine“popular”features of EMG research and proposes entropy as a new feature. For this purpose, experiment protocols are formed using SVM classifiers with the NinaPro DB5 dataset. The first nine popular features are tested with different combinations. Later, the entropy feature is analyzed with window-length sensitivity, its problem with LPH is solved with the proposed GPH approach. Then activation detection is developed and implemented for a real-time test. Results of both parts are given in their respective chapters in a way it is easy to compare with other works. The evaluation of popular features showed that some features could harm the system; however, this highly changes from application to application. On the other hand, the entropy feature showed that it could be used to classify EMG signals, and it can classify feature vectors extracted from windows with lengths different than the training set.
Benzer Tezler
- Comparison of feature selection and extraction methods and active learning in voice based emotion recognition systems
Ses duygu tanıma sistemlerinde aktif öğrenme ve öznitelik seçme ve çıkarma yöntemlerinin karşılaştırılması
TOLGA ATALAY
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUSUF YASLAN
- Transfer learning based facial emotion recognition and action unit detection
Transfer öğrenme tabanlı yüz ifadesinden duygu tanıma ve eylem birimi tespiti
SÜLEYMAN ENGİN BAĞLAYİCİ
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
- Çok ölçütlü oy değerleri üzerinde en iyi-N öneri sistemi ve şilin atakların etkisi
Top-N recommender system and effect of shilling attack onmulti-criteria rating values
TUĞBA KAYA
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CİHAN KALELİ
- Sparse coding based ensemble classifiers combined with active learning framework for data classification
Veri sınıflandırma için aktif öğrenme çerçevesi ile birleştirilmiş ayrık kodlama tabanlı sınıflandırıcı toplulukları
GÖKSU TÜYSÜZOĞLU
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YUSUF YASLAN
- Graf bazlı sorgu seti yöntemi ile diferensiyel mahremiyetin sağlanması
Differential privacy with graph based query set
EMİR ESMERDAĞ
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. MUHAMMED OĞUZHAN KÜLEKCİ