Emotion recognition of EEG data using tensor logistic regression
Tensör lojistik regresyon kullanarak EEG verilerinden duygu tanıma
- Tez No: 720087
- Danışmanlar: PROF. DR. AHMET ADEMOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Bioengineering
- Anahtar Kelimeler: Destek vektör makineleri, Duygu tanıma, Elektroensefalografi, Tensörler, Support vector machines, Emotion recognition, Electroencephalography, Tensors
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Biyomedikal Mühendislik Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Duygu tanıma, son otuz yılda ivme kazanan ve günlük yasamımıza güçlü etkileri olan bir arastırma alanıdır. Duygu tanımayı incelemek için en yaygın kullanılan yöntemlerden birisi EEG verileri gibi fizyolojik sinyalleri kullanmaktır. Ancak fizyolojik sinyallerin kullanılması birçok öznitelik çıkarma ve seçme yöntemini gerektirmektedir. Üstelik bu yöntemler için bir altın standart da bulunmamaktadır. Bu nedenle, bu çalısma, tensör tabanlı yöntemler kullanarak duygu tanıma için sensör uzay ve kaynak uzay EEG verilerini karsılastırmayı amaçlamaktadır. Bunu saglamak için EEG verilerinin özniteligi olarak farklı frekans bantları kullanılmıstır. Ayrıca geleneksel yöntem olarak destek vektör makinesi (DVM) ve tensör tabanlı bir yöntem olan lojistik tensör regresyonu (LTR) olmak üzere iki farklı sınıflandırma yöntemi kullanılmıstır. Sonuçlar, gama bandının en ayırt edici frekans bandı oldugunu göstermistir. Ayrıca, kaynak uzay verileri sensör uzay verileriyle karsılastırıldıgında dogruluk oranları artmaktadır. Üstelik TLR, kaynak uzayında DVM'den daha üstün gözükmektedir. Sensör uzayında, her iki yöntem de benzer sonuçlar vermistir.
Özet (Çeviri)
Emotion recognition is a research area gaining momentum in the last three decades with a strong impact on our daily life. One of the most widely used methods to study emotion recognition is using physiological signals such as EEG data. However, using physiological signals requires using feature extraction and selection methods. Moreover, there is no gold standard for choosing the best methods. Therefore, this study aims to compare the sensor space and source space EEG data for emotion recognition using tensor based methods. In order to achieve that, different frequency bands were used as features of EEG data. In addition, support vector machine (SVM) as a conventional method, and logistic tensor regression (LTR), which was a tensor-based method, were used as two different classification methods. The results showed that the gamma was the most discriminating frequency band. Also, source space data improved the accuracy rates when compared with sensor space data. Moreover, TLR was superior in the source space than SVM. In the sensor space, both methods performed similarly.
Benzer Tezler
- Bitlis-Zağros bindirme ve kıvrımlı kuşağının sismotektonik özellikleri
Başlık çevirisi yok
HALUK EYİDOĞAN
- Merkezsel ve dışmerkezsel çapraz elemanlı çerçeve yapıların statik ve deprem yüküne göre optimum tasarımı
Optimum desing of concentrically and eccentrically braced frames under static and earthquake loading
F.GÜLTEN GÜLAY
