Uyku evrelemesinde çeşitli dalgacık ve sınıflandırıcıların performans analizi

Abstract

Bu çalışmada, uyku evrelerinin sınıflandırılması için EEG (Elektroensefalogram) ve EOG (Electrooculography) işaretlerinin dalgacık analizi ile incelenip, KNN (K-nearest neighbors) komşuluğu, destek vektör makinaları ve lojistik regresyon sınıflandırıcıları kullanılarak en yüksek başarı oranının elde edilmesi amaçlanmıştır. Alınan EEG işaretleri Matlab programında farklı dalgacık tipleri ile dalgacık dönüşümü kullanılarak alt frekans bantlarına ayrılmış ve bu alt bantlardan her bir epok için öznitelikler elde edilmiştir. Çıkartılan öznitelik boyutlarının azaltımı için Weka (Waikato Environment for Knowledge Analysis) programı aracılığıyla farklı öğrenme algoritmaları olan sarmal (Wrapper) ve filtre metotları kullanılmış ve sınıflandırıcılara uygulanarak başarı oranları elde edilmiştir. Kullanılan dalgacık çeşitlerinin ve sınıflandırıcıların performanslarını karşılaştırmak amacıyla karmaşıklık matrisi analizleri kullanılmıştır.

In this study, EEG (Elecktroensefalogram) and EOG (Electrooculography) based sleep stage classification is realised using wavelet analysis, KNN (K-nearest neighbors), support vector machine and logistic regression for getting the highest performance. The taken EEG signals are divided into the sub bands employing different wavelet types and wavelet transform in Matlab program. The features for each epoch are derived from the sub bands. Feature selection process is realized by Weka (Waikato Environment for Knowledge Analysis) program utilizing wrapper and filter methods and the selected features are applied to the classifiers and the performance rates are achieved. Confusion matrix analysis is employed for comparing the used wavelet types and the classifier performances.