K-en yakın komşuluk algoritmasını kullanarak EEG tabanlı kişi tanıma

Abstract

EEG beynin elektriksel aktivitesini kaydetmek ve yorumlayabilmek için bir izleme yöntemidir. Psikolojik bazı hastalıkların tanısında, beyin-bilgisayar ara yüzü (BCI) uygulamalarında kullanılabilmektedir. Ayrıca güvenlik sistemlerinde kişiye özgü EEG tabanlı biyometriler sayesinde, e-sağlık, e-devlet, e-oylama gibi uygulamalarda da kullanılabilmektedir. Bu yazıda iki farklı veri kümesine ait deney sonuçları paylaşılacaktır. Birincisi; iki boyutlu bilgisayar imleci hayali hareketi sırasında kaydedilen EEG verilerini kullanarak 3 kişinin kimlik doğrulaması için hızlı ve doğru yöntemler önerilmiştir. EEG sinyallerinin türev varyanslarının logaritmik fonksiyonuna dayalı çıkarılan öznitelik vektörleri, k-en yakın komşuluk (k-EYK) yöntemiyle sınıflandırılmıştır. Önerilen yöntemler dört (yukarı/aşağı/sağ/sol) veri kümesine başarıyla uygulanmıştır. Bu 3 kişinin kimliğini doğrularken sırasıyla %93,86, %98,25, %96,49, %98,18 sınıflandırma doğruluğu elde edilmiştir. İkincisi; 4 adet doğal yağın (nane, karanfil, kekik, biberiye) koklatılması sonucunda ortaya çıkan EEG verilerini kullanarak 8 kişinin kimlik doğrulaması için hızlı ve doğru yöntemler önerilmiştir. EEG sinyallerinin türev varyanslarının logaritmik fonksiyonuna dayalı çıkarılan öznitelik vektörleri, k-EYK yöntemiyle sınıflandırılmıştır. Önerilen yöntemler dört veri kümesine başarıyla uygulanmıştır. Bu 8 kişinin kimliğini doğrularken sırasıyla % 93,88, %95,44, %96,13, %96,63 sınıflandırma doğruluğu elde edilmiştir.

EEG is a monitoring method to record and interpret the electrical activity of the brain. It can be used in the diagnosis of some psychological diseases and brain computer interface (BCI) applications. In addition, it can be used in applications such as e-health, e-government, e-voting thanks to EEG-based biometrics that provide personalized data in security systems. In this study, experimental results of two different data sets will be shared. First; fast and accurate methods for the identification of 3 people have been proposed using EEG data recorded during the imaginary movement of a two - dimensional computer cursor. The feature vectors extracted based on the logarithmic function of derivative variances of EEG signals were classified by k-closest neighborhood (k-NN) method. The proposed methods have been successfully applied to four (up/down/righ /left) data sets. While confirming the identity of these 3 people, 93.86%, 97.81%, 96.49%, 98.25% classification accuracy was obtained, respectively. Second; fast and accurate methods for the authentication of eight people were proposed by using EEG data obtained from the smell of four natural oils (mint, clove, thyme, rosemary). The feature vectors extracted based on the logarithmic function of derivative variances of EEG signals were classified by k-NN. The proposed methods have been successfully applied to four data sets. While confirming the identity of these 8 people, 93.88%, 95.44%, 96.13%, 96.63% classification accuracy was obtained, respectively.