EEG VERİLERİNDEN İŞARET İŞLEME VE SINIFLANDIRMA TEKNİKLERİ KULLANILARAK DUYGU TAHMİNİ

Abstract

Örüntü tanıma, teknolojinin gelişmesiyle önemini arttırmış ve günümüzde sadece mühendislik alanında değil ayrıca endüstri, otomotiv, fizik, astronomi, biyoloji, tıp ve güvenlik sistemleri olmak üzere hemen hemen her alanda etkisini göstermektedir. Örüntü tanımanın amacı örüntü uzayında bilinmeyen şekilleri, örüntüleri ve işaretleri sınıflandırarak örüntüyü bulmaktır. Örüntülerin hangi sınıflara ait olduğu belirlenirken, örüntüler karar mekanizmasından geçerler. Bu mekanizmanın en önemli iki aşaması özellik çıkarım ve sınıflandırma aşamasıdır. Anahtar özelliklerin elde edilmesi sınıflandırma işleminin sonucunu etkilediğinden, özellik çıkarım örüntü tanıma için en önemli kısım olarak düşünülmektedir. Bu tez çalışmasında, EEG işaretleri örüntü tanıma tekniği kullanılarak incelenmiş ve pozitif-negatif duyguların sınıflandırılması amaçlanmıştır. Karar sürecinin oluşturulmasında, dalgacık dönüşümü, entropi değerleri, zaman-frekans analizi ve istatistiksel yöntemler kullanılarak özellik vektörü elde edilmiştir. Anahtar özellikler YSA , DVM ve KNNsınıflandırıcılarına verilerek pozitif-negatif duyguların tanınması gerçekleştirilmiştir. Yöntemin geliştirilmesinde, DEAP veri tabanından elde edilen EEG işaretleri kullanılmıştır. Ayrıca önerilen yöntem, bilgisayar oyunlarının insanın duygusal durumuna etkisini inceleme amaçlı olarak da 25 farklı denekten elde edilen EEG işaretleri üzerinde denenmiştir. Geliştirilen yöntemin duygu analizinde, %85 – %90 aralığında başarım değerine ulaştığı tespit edilmiştir.Pattern recognition has applied in many areas in order to find unknown patterns, signs, and figures through pattern space. In our day, it was used not only in engineering areas but also in industry, automotive, physics, astronomy, biology, healthcare services and security systems to specify the patterns. Pattern recognition consists of two parts which are feature extraction and classification. Feature extraction is the vital part of the recognition since it affects the performance and the accuracy of the classification process. In this thesis, EEG based emotions were classified with pattern recognition techniques to determine the positive-negative emotions. To collect the key features, wavelet decomposition, entropy values, time-frequency analysis and statistical methods were applied. In the last part of the process, three different classifier algorithms –artifical neural network, support vector machines and k nearest neighbor were used discriminate emotions depending upon collected key features. EEG signals were collected from well-known and publicly available dataset from DEAP. Besides, the proposed method was used on 25 different subjects to observe the performance and accuracy of the discrimination process. The accuracy ratio designated between 85,0%-90,0% with the recommended technique.