İmlecin iki boyutlu hareketinin hayali sırasında kaydedilmiş EEG işaretlerinin karar ağaç yapısı esaslı sınıflandırılması

EEG tabanlı Beyin bilgisayar arayüzü (BBA) sistemlerinin giriş işaretleri doğası gereği durağan değillerdir, düşük işaret gürültü oranına sahiptirler, fiziksel ve düşünsel uygulamalardan etkilenirler ve elektromiyogram ve elektrookülogram gibi çeşitli artifaktlardan bulanırlar. Tüm bu dezavantajlar araştırmacıları beyin ile BBA'nın çıkış cihazı arasındaki iletişim sisteminin tüm elemanlarının hızını ve doğruluğunu arttırmaya motive etmektedir. Bundan dolayı, hızlı ve doğru bir BBA sistemi gerçekleştirmek için en uygun sınıflandırma algoritmasını ve düşük boyutlu öznitelik seti kullanmak mühimdir. Diğer taraftan, BBA sistemlerinin kullanımda pratik yapmak için sınıflandırıcıların farklı seanslarda kaydedilmiş sinyalleri ayrıştırma kabiliyetinin olması da çok önemlidir. Bu tezde, bilgisayar imlecinin yukarı, aşağı, sağa ve sola hareket ettirilmesinin hayal edilmesi sırasında kaydedilmiş EEG işaretlerinin sınıflandırılması için hızlı ve sınıflandırma doğruluğu yüksek metotlar önerilmiştir. Veri kümeleri, yaşları 24-29 arasında değişen sağlıklı erkek bireylerden farklı günlerde iki seansta kaydedilmiştir. Dalgacık dönüşümü katsayıları, özbağlanım parametreleri, yamukluk ve ortalama türev değerlerine dayalı çıkarılan öznitelik vektörleri, k-en yakın komşuluk, destek vektör makineleri ve doğrusal ayırma ayıracı ile sınıflandırılmışlardır. Önerilen metotlar, veri setine başarılı bir şekilde uygulanmış ve test verilerinde üç kişi üzerinde %60.53, % 62.50 ve %84.21 sınıflandırma doğruluğu elde etmişlerdir