Motor hareket hayali görevlerine ait EEG sinyallerinin 2-B öznitelikler ve yarı olasılıksal dağılım modelleri ile sınıflandırılması

Beyin makine arayüzlerinin (BMA) geliştirilmesinde sıklıkla başvurulan motor hareket hayalinde (MHH) herhangi bir eylem motor sistem kullanılmadan beyinde simule edilerek yapılır. Tez çalışmasında, MHH görevlerinin sınıflandırılması için bazı örüntü tanıma teknikleri önerilmiştir. Bu amaçla ilk olarak, EEG sinyallerindeki geçiş noktalarına ait 2-B öznitelikler özelleşmiş bir uzayda çıkarılmıştır. Ardından, 2-B yarı olasılıksal dağılım modelleriyle (YODM) öğrenme modelleri oluşturulmuş ve olasılıksal üyeliklerle sınıflandırma gerçekleştirilmiştir. İlerleyen süreçte veri domaininden faydalanarak YODM temelli alt-sınıflandırıcılar oluşturulmuş ve oylama yaklaşımlarında kombinasyonları da kullanan bazı sınıflandırıcılar önerilmiştir. Dahası sinyal öznitelikleri 2-B modelleme görüntülerine dönüştürülmüş ve EEG sinyalleri transfer öğrenmeyle evrişimli sinir ağlarına uygulanmıştır. Tüm bunlara ek olarak, mobil telefonlarda sık kullanılan el hareketlerine ait MHH'ler ile MHH-BMTA adında yeni bir veri seti oluşturulmuş ve problem domainine beyin-mobil telefon arayüzleri de eklenmiştir. Yöntemlerin performansları MHH-BMTA ve BCI Competition yarışmalarında sunulan birçok veri setinde sınanmıştır.