Browsing by Author "Bulut, Cem"

Now showing 1 - 2 of 2

Citation Count: 0
Comparative Classification Performances of Filter Model Feature Selection Algorithms in Eeg Based Brain Computer Interface System
(Gazi Univ, Fac Engineering Architecture, 2023) Bulut, Cem; Balli, Tugce; Yetkin, E. Fatih
Brain-computer interface (BCI) systems enable individuals to use a computer or assistive technologies such as a neuroprosthetic arm by translating their brain electrical activity into control commands. In this study, the use of filter-based feature selection methods for design of BCI systems is investigated. EEG recordings obtained from a BCI system designed for the control of a neuroprosthetic device are analyzed. Two feature sets were created; the first set was band power features from six main frequency bands (delta (1.0-4 Hz), theta (4-8 Hz), alpha (8-12 Hz), beta (12-25 Hz), high-beta (25-30Hz) and gamma (30-50 Hz)) and the second set was band power features from ten frequency sub-bands (delta (1-4 Hz), theta (4-8 Hz), alpha1 (8-10 Hz), alpha2 (10-12 Hz), beta1 (12-15 Hz), beta2 (15-18 Hz), beta3 (18-25 Hz), gamma1 (30-35 Hz), gamma2 (35-40 Hz), gamma3 (40-50 Hz)). Ten filter-based feature selection methods are investigated along with linear discriminant analysis, random forests, decision tree and support vector machines algorithms. The results indicate that feature selection methods leads to a higher classification accuracy and eigen value centrality (Ecfs) and infinite feature selection (Inffs) methods have consistently provided higher accuracy rates as compared to rest of the feature selection methods.
Citation Count: 1
Filtre Modelli Öznitelik Seçim Algoritmalarının Eeg Tabanlı Beyin Bilgisayar Arayüzü Sistemindeki Karşılaştırmalı Sınıflandırma Performansları
(2023) Bulut, Cem; Ballı, Tuğçe; Yetkin, E. Fatih
Beyin bilgisayar arayüzleri (BBA), beyin elektriksel aktivitelerini kontrol komutlarına çevirerek bilgisayar veya nöroprostetik kol gibi yardımcı teknolojilerin kullanılmasını sağlayan sistemlerdir. Bu çalışmada filtre tabanlı öznitelik seçim yöntemlerinin farklı sınıflandırma algoritmaları ile birlikte kullanılmasının BBA sistemlerine getirebileceği kazanımlar araştırılmıştır. Bu çerçevede nöroprostetik bir cihazın kontrolü için tasarlanan BBA sisteminden elde edilmiş EEG kayıtları analiz edilmiştir. EEG kayıtlarının analizi için delta (1.0-4 Hz), teta (4-8 Hz), alfa (8-12 Hz), beta (12-25 Hz), yüksek-beta (25-30Hz) ve gama (30-50 Hz) frekans bantlarından ve delta (1-4 Hz), teta (4-8 Hz), alfa1 (8-10 Hz), alfa2 (10-12 Hz), beta1 (12-15 Hz), beta2 (15-18 Hz), beta3 (18-25 Hz), gama1 (30-35 Hz), gama2 (35-40 Hz), gama3 (40-50 Hz) alt frekans bantlarından bant gücü öznitelikleri çıkarılmıştır. Elde edilen iki veri seti öznitelik seçimi uygulamadan ve öznitelik seçimi uygulayarak sınıflandırılmıştır. Çalışmada toplam 10 adet filtre tabanlı öznitelik seçimi yöntemi ile birlikte, doğrusal ayırt eden analizi, rassal ormanlar, karar ağaçları ve destek vektör makinaları sınıflandırma algoritmaları kullanılmıştır. Çalışma sonucunda EEG kayıtlarının sınıflandırılması için öznitelik seçme algoritmalarının uygulanmasının daha yüksek başarımlı sonuçlar verdiği ve bu çalışmada ele alınan öznitelik seçme yöntemlerinden, özdeğer merkeziyetine göre öznitelik seçimi (Ecfs) ve sonsuz öznitelik seçimi (Inffs) yöntemlerinin filtre tabanlı yaklaşımlar arasında en iyi sonuçları verdiği gözlenmiştir.