Yazar "Eraldemir, Server Göksel" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim
    Öğe
    EEG verileri kullanılarak metinsel okuma ve matematiksel işlemlerin analizi
    (Hatay Mustafa Kemal Üniversitesi, 2014) Eraldemir, Server Göksel; Yıldırım, Esen
    Bu çalışmada sayısal ve metinsel işlemler sırasında oluşan EEG işaretlerinin sınıflandırılması hedeflenmiştir. Bu amaçla 18 sağlıklı ve gönüllü denekten uluslararası 10-20 sistemine uygun olarak, EEG verileri kaydedilerek bir veritabanı oluşturulmuştur. Veritabanı, Nihon Kohden 1200 marka 32 kanaldan 1kHz örnekleme ile yüksek kalitede çekim yapabilen, şebeke gürültülerini otomatik temizleyebilen dijital EEG kayıt cihazı ile 22 elektrot kullanılarak 26 kanal üzerinden toplanmıştır. Bu veriler ilk olarak ön işlemden geçirilmiş, daha sonra uzunluğu 1 saniye olan %75 örtüşmeli kayan pencereler kullanılarak Dalgacık Dönüşümü yoluyla öznitelikler çıkartılmış ve BayesNet, kNN ve Karar ağaç yapıları sınıflandırıcıları ile sınıflandırılmış ve sırasıyla ile %88,8, %89,5 ve %90 doğru pozitif oranına ulaşılmıştır. Bilgisayar beyin arayüz çalışmaları gerçek zamanlı çalışan sistemler olduğundan analiz süreleri büyük önem taşımaktadır. Çok sayıda kanal kullanılan sistemlerde çıkarılacak öznitelik sayısı yüksek olacağından bir pencerenin işlenmesi süresi sorun teşkil edebilmektedir. Kullanılan kanal sayısının doğru pozitif oranını etkilemeyecek şekilde azaltılması analiz süresini azaltacağından sistemin kullanılabilirliğini artıracaktır. Bu nedenle 26 kanaldan elde edilen öznitelikler arasından, Korelasyon Tabanlı Öznitelik Seçimi (KTÖS) kullanılarak, kendi aralarında korelasyonları düşük ve sınıf ile korelasyonu yüksek olan etkin öznitelikler tüm denekler için belirlenmiştir. Bu özniteliklerin ait oldukları kanallar analiz edilerek, en çok seçilenden en az seçilene doğru sıralanmış ve analize teker teker eklenerek sınıflandırma işlem tekrarlanmıştır. Bu analiz sonucunda doğru pozitif değerini en az etkileyecek şekilde 14 kanal kullanılarak yapılan BayesNet, kNN ve Karar Ağaçları sınıflandırmalarında sırası ile %90,1 %87,7 ve % 90,6 sonuçları elde edilmiştir. ANAHTAR KELİMELER: EEG veritabanı, EEG sınıflandırma, kNN, BayesNet, Karar Ağaç Yapıları, Kanal Seçimi.
  • Küçük Resim
    Öğe
    Subject-dependent and subject-independent classification of mental arithmetic and silent reading tasks
    (2017) Arslan, Mustafa Turan; Eraldemir, Server Göksel; Yıldırım, Esen
    In this study, the electrical activities in the brain were classified during mental mathematical tasks and silent text reading. EEG recordings are collected from 18 healthy male university/college students, ages ranging from 18 to 25. During the study, a total of 60 slides including verbal text reading and arithmetical operations were presented to the subjects. EEG signals were collected from 26 channels in the course of slide show. Features were extracted by employing Hilbert Huang Transform (HHT). Then, subjectdependent and subject-independent classifications were performed using k-Nearest Neighbor (k-NN) algorithm with parameters k=1, 3, 5 and 10. Subject-dependent classifications resulted in accuracy rates between 95.8% and 99%, whereas the accuracy rates were between 92.2% and 97% for subject independent classification. The results show that EEG data recorded during mathematical and silent reading tasks can be classified with high accuracy results for both subject-dependent and subject-independent analysis