Classification of EEG signals caused by imagining hand movements

KABLAN Y., ÖZSANDIKCIOĞLU Ü., ATASOY A.

SİNYAL İŞLEME ve İLETİŞİM UYGULAMALARI KURULTAYI, Antalya, Türkiye, 15 - 18 Mayıs 2017, ss.1-4

  • Yayın Türü: Bildiri / Tam Metin Bildiri
  • Basıldığı Şehir: Antalya
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.1-4
  • Karadeniz Teknik Üniversitesi Adresli: Evet

Özet

Bu çalışmada; insanın sağ ve sol el hareketlerinin beyinde oluşturmuş olduğu elektroensefalogram işaretleri; k-En Yakın Komşu Algoritması, Çok Katmanlı Algılayıcı ve Destek Vektör Makinaları algoritmaları kullanılarak sınıflandırılmıştır. Bu elektroensefalogram verisinden farklı öznitelikler (ortalama değer, standart sapma, varyans, maksimum, minimum, mutlak değer ve Fourier dönüşümü) elde edilerek bu veriyi en iyi temsil eden öznitelikler araştırılmıştır. Kullanılan öznitelikler ve sınıflandırma algoritmalarının başarı sonuçları incelendiğinde; Fourier dönüşümüne ait özniteliklerin ve k-En Yakın Komşu Algoritmasının elektroensefalogram verilerini sınıflandırmada en yüksek başarılı sonuçları verdiği görülmüştür.

In this study; Electroencephalogram signals which have caused in the brain of imagining right and left hand movements of human are classified with k-Nearest Neighbor Algorithm, Multi Layer Perceptron and Support Vector Machines algorithms. By acquiring different features (mean value, standard deviation, variance, maximum, minimum, absolute value and Fourier transform) from this electroencephalogram data, the best representing features of this data have been investigated. When the results of the used features and classification algorithms are examined, the features obtained from Fourier Transform and k-Nearest Neighbor Algorithm have shown the most successful results in classifying electroencephalogram data.