{"title":"不同分类方案下运动意象脑电信号的特征分析","authors":"E. Kaya, I. Saritas","doi":"10.16984/saufenbilder.1190493","DOIUrl":null,"url":null,"abstract":"Beyin-Bilgisayar Arayüzü (BCI), bilgiyi doğrudan beyinden harici cihazlara aktaran ve deşifre eden bir iletişim sistemidir. Elektroensefalogram (EEG) tekniği, işlevleri kontrol etmek için beyinde oluşan komutlara karşılık gelen elektrik sinyallerini ölçmek için kullanılır. BCI'de kontrol uygulamaları için kullanılan sinyallere Motor Görüntüsü (MI) EEG sinyalleri denir. EEG sinyalleri gürültülüdür, bu nedenle örüntüleri doğru tanımak için doğru yöntemleri kullanmak önemlidir. Bu çalışmada, Topluluk Altuzay Diskriminantı sınıflandırıcı kullanarak ağları eğitmek için farklı sınıflandırma şemalarının performansları incelendi. Ayrıca, Komşuluk Bileşen Analizi kullanılarak en verimli öznitelik uzayı bulunmuştur. Sağ yön ve sol yöne karşılık gelen MI sinyallerini sınıflandırmada maksimum ortalama doğruluk, konuya özel bir sınıflandırma şeması ve 250 özellik ile %80,4 olarak bulunmuştur.","PeriodicalId":21468,"journal":{"name":"Sakarya University Journal of Science","volume":"316 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-01-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Feature Analysis For Motor Imagery EEG Signals With Different Classification Schemes\",\"authors\":\"E. Kaya, I. Saritas\",\"doi\":\"10.16984/saufenbilder.1190493\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Beyin-Bilgisayar Arayüzü (BCI), bilgiyi doğrudan beyinden harici cihazlara aktaran ve deşifre eden bir iletişim sistemidir. Elektroensefalogram (EEG) tekniği, işlevleri kontrol etmek için beyinde oluşan komutlara karşılık gelen elektrik sinyallerini ölçmek için kullanılır. BCI'de kontrol uygulamaları için kullanılan sinyallere Motor Görüntüsü (MI) EEG sinyalleri denir. EEG sinyalleri gürültülüdür, bu nedenle örüntüleri doğru tanımak için doğru yöntemleri kullanmak önemlidir. Bu çalışmada, Topluluk Altuzay Diskriminantı sınıflandırıcı kullanarak ağları eğitmek için farklı sınıflandırma şemalarının performansları incelendi. Ayrıca, Komşuluk Bileşen Analizi kullanılarak en verimli öznitelik uzayı bulunmuştur. Sağ yön ve sol yöne karşılık gelen MI sinyallerini sınıflandırmada maksimum ortalama doğruluk, konuya özel bir sınıflandırma şeması ve 250 özellik ile %80,4 olarak bulunmuştur.\",\"PeriodicalId\":21468,\"journal\":{\"name\":\"Sakarya University Journal of Science\",\"volume\":\"316 1\",\"pages\":\"\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2023-01-10\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Sakarya University Journal of Science\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.16984/saufenbilder.1190493\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Sakarya University Journal of Science","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.16984/saufenbilder.1190493","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Feature Analysis For Motor Imagery EEG Signals With Different Classification Schemes
Beyin-Bilgisayar Arayüzü (BCI), bilgiyi doğrudan beyinden harici cihazlara aktaran ve deşifre eden bir iletişim sistemidir. Elektroensefalogram (EEG) tekniği, işlevleri kontrol etmek için beyinde oluşan komutlara karşılık gelen elektrik sinyallerini ölçmek için kullanılır. BCI'de kontrol uygulamaları için kullanılan sinyallere Motor Görüntüsü (MI) EEG sinyalleri denir. EEG sinyalleri gürültülüdür, bu nedenle örüntüleri doğru tanımak için doğru yöntemleri kullanmak önemlidir. Bu çalışmada, Topluluk Altuzay Diskriminantı sınıflandırıcı kullanarak ağları eğitmek için farklı sınıflandırma şemalarının performansları incelendi. Ayrıca, Komşuluk Bileşen Analizi kullanılarak en verimli öznitelik uzayı bulunmuştur. Sağ yön ve sol yöne karşılık gelen MI sinyallerini sınıflandırmada maksimum ortalama doğruluk, konuya özel bir sınıflandırma şeması ve 250 özellik ile %80,4 olarak bulunmuştur.
京公网安备 11010802042870号
京ICP备2023020795号-1
分享
求助内容：
应助结果提醒方式：
扫码关注我们
