Beyin bilgisayar ara yüz sisteminde uygulanan steady-stategörsel uyarılmış potansiyeli için özellik çıkarma ve sınıflandırma
dc.contributor.advisor | Hardalaç, Fırat | |
dc.contributor.author | Alipour, Akbar | |
dc.date.accessioned | 2020-12-10T13:21:30Z | |
dc.date.available | 2020-12-10T13:21:30Z | |
dc.date.submitted | 2011 | |
dc.date.issued | 2018-08-06 | |
dc.identifier.uri | https://acikbilim.yok.gov.tr/handle/20.500.12812/299948 | |
dc.description.abstract | Beyin bilgisayar ara yüz sistemleri hiçbir harekete gerek kalmadan, insanlara mesaj veya komut göndermeyi sağlıyor. Ayrıca felç olan kişilere dış dünyayla irtibatına imkan yaratıyor. Bu çalışmada beyinden elde edilen steady-state görsel uyarılmış potansiyel (SSVEP) sinyallerin üzerinde çeşitli işaret işleme yöntemleri incelenmiştir. Süzgeçleme, özellik çıkarma, sınıflandırma elde edilen sinyallerin işaret işlemesinde önemli aşamalarından sayılmaktadır. Süzgeçleme için Butterworth süzgeçleme, Uygulamalı Süzgeç, LMS Algoritması ele alınmıştır. Özellik çıkarmada TF- tabanlı özellik çıkarma and Single Value distribution ( SVD) kullanılan önemli yöntemlerden sayılmaktadır. Sınıflandırmada K En Yakın Komşuluk, sinaptik sinir ağında Dalgacık Dönüşüm Paketi, Destek Vektör Makineleri göz önünde bulunmuştur. Daha sonra Graz Teknik Üniversitesi beyin bilgisayar ara yüz labın dan elde edilen gerçek SSVEP sinyaller işleme alınıp ve sonuçlar kıyaslanarak önemli bilgiler elde edilmiştir. | |
dc.description.abstract | Brain Computer Interface (BCI) system improves people ability to send massages and comments without movement, in the same time BCI system asists disable people to contact with their environment by removing motor function limitation. In this study, different signal processing methods are applied over steadt-state visula evoked potential (SSVEP) signals, induced from brain electrical activity. Filtering, feature extraction, classification are main steps of signal processing. For fitlerin; Butterworth fitler, applied fitler, LMS algorithma are investigated. TF- based fiature extraction and Single Value distribution ( SVD) are used for feature extraction. For classification K En close ajusent, wavelet transform paket and vector machins methods are consentrated. The result of these methods is investigated over aqcuired real data from lablatory of technical university of Graz. The results are compared to each other and significant information is obtained. | en_US |
dc.language | Turkish | |
dc.language.iso | tr | |
dc.rights | info:eu-repo/semantics/openAccess | |
dc.rights | Attribution 4.0 United States | tr_TR |
dc.rights.uri | https://creativecommons.org/licenses/by/4.0/ | |
dc.subject | Biyomühendislik | tr_TR |
dc.subject | Bioengineering | en_US |
dc.title | Beyin bilgisayar ara yüz sisteminde uygulanan steady-stategörsel uyarılmış potansiyeli için özellik çıkarma ve sınıflandırma | |
dc.title.alternative | Feature extraction and classification of steady-state visual evoked potential in application for brain computer interface systems | |
dc.type | masterThesis | |
dc.date.updated | 2018-08-06 | |
dc.contributor.department | Elektrik-Elektronik Mühendisliği Anabilim Dalı | |
dc.subject.ytm | Classification | |
dc.subject.ytm | Signal | |
dc.identifier.yokid | 407560 | |
dc.publisher.institute | Fen Bilimleri Enstitüsü | |
dc.publisher.university | GAZİ ÜNİVERSİTESİ | |
dc.identifier.thesisid | 312699 | |
dc.description.pages | 89 | |
dc.publisher.discipline | Diğer |