EEG sinyallerini kullanan makine öğrenmesi tabanlı kategorik duygu sınıflandırma modeli

Son yıllarda otomatik duygu tespiti ve sınıflandırma literatürde sıklıkla çalışılan konuların başında gelmektedir. Duygular, bireylerin dış dünyayla olan ilişkilerinde, aldığı kararlarda ve eylemlerde etkili olmaktadır. Bu nedenle duygu tanıma insan bilgisayar etkileşiminde önemli bir role sahiptir. Literatür çalışmaları duyguların tespitinde EEG sinyallerinin bazı nörolojik ve beyinsel aktiviteleri tespit edebileceğini göstermektedir. Bu tez çalışmasında, duyguların tespiti ve analizi için ayırt edici nitelik taşıyan sinyaller üretildiğinden EEG sinyalleri kullanılmıştır. Bu kapsamda özgün bir veri seti oluşturulması ve EEG sinyal yorumlaması için etkili yöntemler önerilerek yüksek doğruluğa sahip otomatik duygu tanıma için yeni bir makine öğrenmesi modeli geliştirilmesi amaçlanmıştır. Yeni geliştirilen bu modelle, özgün veri seti kullanılarak özellik çıkarma, özellik seçimi ve sınıflandırma olmak üzere makine öğrenmesi modelinin tüm aşamaları gerçekleştirilmiştir. Bu çalışmada, VitC-Pat (Vitamin C Pattern) tabanlı bir özellik çıkarıcı önerilmiştir. Ek olarak, EEG sinyallerini alt bantlara ayırmak için Ayrık Dalgacık Dönüşümü (DWT) tabanlı decomposition yöntemi kullanılmıştır. Geliştirilen modelin özellik çıkarma fazında VitC-Pat, Yerel İkili Örüntüler (LBP) ve istatistiksel yöntemler kullanılmıştır. Makine öğrenmesi modelinin ikinci fazında özellik seçme işlemi uygulanmıştır. Bu aşamada, İteratif Komşuluk Bileşen Analizi (INCA) yöntemi kullanılmış olup, geliştirilen modelin son aşamasında ise Destek Vektör Makineleri (SVM) kullanılarak sınıflandırma işlemi gerçekleştirilmiştir. Tez çalışması kapsamında özgün olarak toplanan veri seti üzerinde test edilen bu model ile Arousal ekseni için %92.74 ve Valence için %96.85 doğruluk değerleri sağlanmıştır.