EEG sinyallerinden duygu tanıma için akıllı yöntemlerin geliştirilmesi

Günümüzde duyguların tanıması birçok alanda önemli bir unsur haline gelmiştir. EEG sinyallerinin çeşitli beyin ve nörolojik durumları teşhis ettiği düşünülmektedir. Duygusal durumun tespiti ve analizi için karakteristik sinyaller ürettiğinden bu çalışmada EEG sinyalleri kullanılmıştır. Bu tez çalışmasında önerilen modelin birincisinde efektif ve basit yöntem geliştirerek yüksek doğruluğa sahip otomatik duygu tanıma, diğerinde ise tek boyutlu sinyaller için yeni bir öğrenme modeli ile daha yüksek sınıflandırma geliştirerek yüksek doğruluğa sahip otomatik duygu tanıma amaçlanmıştır. Önerilen yöntemlerin birincisinde yerel ikili desen, çok düzeyli ayrık dalgacık dönüşümü, komşuluk bileşen analizi ve k-en yakın komşu sınıflandırıcı kullanılarak yeni bir otomatik EEG duygu tanıma modeli sunulmuştur. Bu model GAMEEMO veri setinde mükemmel sınıflandırma oranına %100.0 ulaşmıştır. Bu sonuçlar, modelin duygu sınıflandırması için EEG sinyalleri üzerindeki yüksek sınıflandırma yeteneğini açıkça göstermiştir. Önerilen diğer yöntemde, asal örüntü ve ayarlanabilir q-faktörlü dalgacık dönüşümü (AQDD) özellik üretme modeli sunulmuştur. Bu model, özellik çıkarma, özellik seçimi ve sınıflandırma olmak üzere makine öğrenimi modelinin tüm aşamalarını kapsamaktadır. Önerilen model 87 özellik vektörü ürettiğinden dolayı, bu model PrimePatNet87 olarak adlandırılmıştır. Önerilen modeli geliştirmek için herkese açık GAMEEMO, DREAMER ve DEAP veri seti kullanılmıştır. PrimePatNet87 modeli, birey bazlı çapraz doğrulama (LOSO) ile tüm veri kümelerinde %99'un üzerinde sınıflandırma doğruluğuna ulaşmıştır. Bu sonuçlar, önerilen asal örüntü modelinin gerçek dünya uygulamaları için hazır olduğunu göstermiştir.