Hibrit (EEG- NIRS) beyin bilgisayar arayüzü sistemlerinde sınıflandırma performansının iyileştirilmesi

Beyin Bilgisayar Arayüzü (BBA), kişinin beyninde gerçekleşen sinirsel aktiviteler sonucunda elde edilen sinyallerin bir bilgisayar sistemi kullanılarak komut olarak işlenmesini sağlayan sistemdir. BBA sistemi bir kullanıcı, bilgisayar ve çevre birimlerinden oluşmaktadır. Temsili beyin sinyallerini görüntüleme sistemlerinin başında EEG ve NIRS gelmektedir. BBA sistemlerinin başarımı sınıflandırıcı başarımı ile doğru orantılıdır. Hibrit sistemler tek taraflı sistemlerin sınırlamalarını aşmak ve sınıflandırıcının doğruluğunu arttırmak için kullanılır. Yaptığımız bu çalışmada kullanımı açık olan bir veri seti üzerinde öznitelik çıkarımlar yapıldıktan sonra Çoklu Örnek Öğrenimi yöntemi uygulanmış ve çeşitli sınıflandırıcıların performansları ölçülmüştür. Öznitelik çıkarımı işlemleri zaman etki alanı ile frekans etki alanında yapılmıştır. Sınıflandırıcı olarak en çok bilinen sınıflandırma algoritmaları olan Naive Bayes, Rastgele Ormanlar, k-En Yakın Komşu, Doğrusal Ayırtaç Analizi ve Destek Vektör Makineleri kullanılmıştır. Öznitelik seviyesinde yapılan füzyon işlemi performansı olumlu yönde etkilemiştir. EEG-DEOXY hibrit sisteminden elde edilen ikili sınıflandırma başarımı k-En Yakın Komşu algoritması ile 0.985 doğruluk olarak elde edilmiştir. Çoklu Örnek Öğrenimi algoritması sınıflandırma performanslarını olumlu yönde etkilemiştir.