Çoklu doğrusal regresyon modeli kullanarak EEG verilerinin sınıflandırılması

Beyin Bilgisayar Arayüzleri (BCI), kişilerin, sinir sistemlerini kullanmaksızın, elektromekanik veya nöroprostetik bir cihazı bilgisayar yardımıyla denetlemelerini sağlayan sistemlerdir. Kafaderisi üzerine yerleştirilen elektrotlardan elde edilen ve Elektroansefalogram (EEG) adı verilen elektriksel kayıtlar sayesinde beyin dokuları hakkında bilgi edinebilmek mümkündür. Farklı bölgelere yerleştirilen elektrotlar çevrelerindeki elektriksel aktiviteyi yakalayabilmektedirler. BCI sistemleri, beyin sinyallerinin barındırdığı motor veya bilişsel etkinlik bilgisini tanımlayıp çevrede bulunan cihazları harekete geçirebilmek için, bu elektrotlardan elde edilen elektriksel sinyalleri birleştirerek, sinyal işleme ve yapay öğrenme algoritmaları kullanırlar. Duygu tahmini, genellikle beyin bilgisayar arayüzü uygulamalarında insan ve makine arasındaki iletişimi geliştirmek ve denetlemek için kullanılır. Doğru duygu analizi için en yaygın kullanılan yöntem olan beyin elektriksel aktivitesine dayalı duygu tahmini çalışmaları son yıllarda ivme kazanmıştır. Bu tez çalışmasında, duygusal anlamda hoş ve nahoş resimlerle karşılaşan normal deneklerden alınan çok kanallı EEG verileri çoklu doğrusal regresyon algoritması ile sınıflandırılmıştır. Sonuçlar, Destek Vektörü Makinesi (SVM) sonuçları ile karşılaştırılarak doğrulukta daha iyi olduğu kanıtlanmıştır.