Detection of human emotions under multiple olfactory stimuli using EEG signals and machine learning
EEG sinyalleri ve makine öğrenimi kullanarak çoklu koku uyarıcıları altında insan duygularının tespiti
- Tez No: 962333
- Danışmanlar: PROF. DR. AYDIN AKAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: İzmir Ekonomi Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 115
Özet
Bu çalışmada, farklı kokuların bireylerin duygusal durumları üzerindeki etkilerinin elektroensefalografi (EEG) sinyalleri aracılığıyla incelenmesi ve bu sinyallerden duygu durumunun makine öğrenmesi yöntemleriyle tahmin edilmesi amaçlanmıştır. Çalışmaya katılan 46 bireyden elde edilen EEG kayıtları ve öz-bildirim anketleri değerlendirilmiştir. Katılımcılara lavanta, yeşil çay, tarçın ve narenciye kokuları ile kokusuz kontrol koşulları rastgele sırayla sunulmuş; EEG verileri 23 aktif kanal kullanılarak kaydedilmiştir. Ham EEG verileri, Butterworth bant geçiren filtre ile ön işleme tabi tutulmuş; ardından zaman domeni, frekans bantları, doğrusal olmayan ölçümler ve entropi temelli olmak üzere dört farklı kategoride toplam 23 özellik çıkarılmıştır. Bu özellikler, z-score normalizasyonu, aykırı değer düzeltmesi ve ReliefF algoritması ile öznitelik seçimi uygulanarak sınıflandırma için uygun hale getirilmiştir. Duygular, valens ve uyarılma eksenlerinde etiketlenmiş; sınıflandırma sürecinde ise Destek Vektör Makineleri (SVM), En Yakın Komşu Sınıflandırıcıları (KNN), Karar Ağaçları ve Çekirdek Yaklaşımlı Sınıflandırıcılar dâhil olmak üzere, çeşitli alt türleriyle birlikte toplam 17 farklı algoritma kullanılmıştır. Çalışmada en yüksek doğruluk, valens ekseninde yeşil çay kokusu altında, Cubic SVM algoritması ve ReliefF ile seçilmiş öznitelik seti kullanılarak %88.07 oranında elde edilmiştir. Bu sonuç, yeşil çay kokusunun EEG sinyalleri üzerinden duygusal durumları ayırt etmede en etkili olfaktör uyaran olduğunu göstermektedir. Ayrıca, tüm özniteliklerin birlikte kullanımı ve ardından gerçekleştirilen öznitelik seçimi, sınıflandırma başarımını anlamlı şekilde artırmıştır. Bu çalışma, EEG tabanlı duygu tanıma sistemlerinde olfaktör uyaranların etkisini ortaya koyarak literatüre özgün bir katkı sunmaktadır.
Özet (Çeviri)
This study aimed to examine the effects of different odors on individuals' emotional states through electroencephalography (EEG) signals and to estimate emotional states from these signals using machine learning methods. EEG recordings and self-report questionnaires obtained from 46 participants were evaluated. Lavender, green tea, cinnamon, and citrus odors, along with odorless control conditions, were randomly presented to the participants, and EEG data were recorded using 23 active channels. Raw EEG data were preprocessed using a Butterworth band-pass filter; then, a total of 23 features were extracted in four different categories: time-domain, frequency bands, nonlinear measures, and entropy-based features. These features were prepared for classification through z-score normalization, outlier correction, and feature selection using the ReliefF algorithm. Emotions were labeled along the valence and arousal axes; for the classification process, a total of 17 different algorithms were used, including various subtypes of Support Vector Machines (SVM), Nearest Neighbor Classifiers (KNN), Decision Trees, and Kernel Approximation Classifiers. The highest accuracy in the study was obtained under the green tea odor condition on the valence axis, using the Cubic SVM algorithm and the feature set selected via ReliefF, reaching a rate of 88.07%. This result indicates that green tea odor is the most effective olfactory stimulus for distinguishing emotional states based on EEG signals. Furthermore, the combined use of all features followed by feature selection significantly enhanced classification performance. By revealing the impact of olfactory stimuli in EEG-based emotion recognition systems, this study offers a unique contribution to the literature.
Benzer Tezler
- Emotion recognition process analysis by using eye tracker, sensor and application log data
Göz izleme cihazı, sensör ve uygulama verileri ile insanlarda duygu tanıma analizi
MAHİYE ÖZTÜRK
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Fog computing-based real-time emotion recognition using physiological signals
Fizyolojik sinyaller ile sis hesaplama tabanlı gerçek zamanlı duygu tanıma
ÖMÜR FATMANUR ERZURUMLUOĞLU
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN İNCE
- La psychanalyse de la connaissance chez Gaston Bachelard
Gaston Bachelard'da bilginin psikanalizi
TALHA SUNA
Yüksek Lisans
Fransızca
2020
FelsefeGalatasaray ÜniversitesiFelsefe Ana Bilim Dalı
DOÇ. DR. S. ATAKAN ALTINÖRS
- Dezavantajlı bireylerin aktivitelerini kontrol eden görüntü algılama platformunun gerçekleştirilmesi
Implementing the image detection platform that controls the activities of disadvantaged individuals
SADRETTİN KABAK
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERKAN AYDIN
- 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
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÖKHAN İNCE