Parmak hareketlerine ilişkin ECoG örüntülerin AR tabanlı öznitelikler ile sınıflandırılması
Citation
Özerdem, M.S. veKaradağ, K. (2014). Parmak hareketlerine ilişkin ECoG örüntülerin AR tabanlı öznitelikler ile sınıflandırılması. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi. 5(2), 89-97.Abstract
Bu çalışmasında, ECoG kayıtları kullanılarak parmak hareketlerinin sınıflandırılması amaçlanmıştır.
Çalışmada BCI Competition IV yarışmasında sunulan Data set IV isimli veri kümesi kullanılmıştır. Veri
kümesinde üç epilepsi hastasına ilişkin ECoG kayıtları ve parmak hareketlerini gösteren elektronik eldiven
kayıtları yer almaktadır. Eldiven kayıtları referans alınarak, parmak hareketlerinin yer aldığı ECoG
bölütleri belirlenmiştir. Farklı uzunluklardaki belirlenen bölütlerin öznitelik vektörleri, özbağlanımlı (AR)
modelleme ile elde edilmiştir. Öznitelik vektörleri kNN ve DVM yöntemleri ile sınıflandırılmıştır.
Sınıflandırıcı açısından bakıldığında, DVM yönteminin kNN sınıflandırıcısına göre daha iyi bir performans
sergilediği görülmektedir. DVM ile yapılan sınıflandırılma işleminde, her üç denek için iki parmağın
sınıflandırma başarı ortalaması %87.35, üç parmağın sınıflandırma başarı ortalaması %66.97, dört
parmağın sınıflandırma başarı ortalaması %50.06 ve tüm parmakların sınıflandırma başarı ortalaması
%34.41 olarak elde edilmiştir. kNN ile yapılan sınıflandırılma işleminde, her üç denek için iki parmağın
sınıflandırma başarı ortalaması %75.35, üç parmağın sınıflandırma başarı ortalaması %55.50, dört
parmağın sınıflandırma başarı ortalaması %39.00 ve tüm parmakların sınıflandırma başarı ortalaması
%31.90 olarak elde edilmiştir. AR katsayıları açısından bakıldığında, çoğunlukla m=3 katsayı ile en yüksek başarımların elde edildiği görülmüştür. Denekler açısından bakıldığında, tüm sınıflandırma işlemlerinde denek 1’in en yüksek sınıflandırma performansına sahip olduğu görülmektedir. Denek 2 ve denek 3’ün sınıflandırılacak parmak sayısına göre farklı performanslar sergiledikleri görülmektedir.
Sınıflandırılan parmak sayısı açısından bakıldığında, ayrıştırılacak parmak sayısının artması ile başarı
oranı dramatik olarak düştüğü görülmektedir. Sınıf sayısının artması ile hem DVM hem de kNN
sınıflandırıcı performanslarının oldukça düşük seviyelerde yer aldığı görülmektedir
Source
Dicle Üniversitesi Mühendislik Fakültesi Mühendislik DergisiVolume
5Issue
2URI
https://hdl.handle.net/11468/4584https://dergipark.org.tr/tr/download/article-file/302737
https://app.trdizin.gov.tr/publication/paper/detail/TVRjeU9UZzJOZz09