Ayrık Dalgacık Dönüşümünün EEG Sinyallerinin Sınıflandırılması Üzerindeki Etkisinin İncelenmesi

Abstract

Bu çalışmada, EEG sinyallerinin sınıflandırılması gerçekleştirilmiş ve sınıflandırıcıların değişkenleri değiştirilerek dalgacık dönüşümünün sınıflandırma üzerindeki etkileri incelenmiştir. İlk olarak ön işleme tabi tutulan EEG sinyallerinden dalgacık dönüşümü yöntemiyle öznitelik vektörleri elde edilmiş, sonrasında ise DVM ve kNN yöntemiyle sınıflandırma gerçekleştirilmiştir. Dalgacık Dönüşümünün sınıflandırma üzerindeki etkileri tablo olarak verilerek sınıflandırma sonucunda EEG sinyallerinin sağlıklı veya epileptik olduğu hakkında bilgi sağlanmıştır. Bu bildiride 1. seviye Haar ve Db4 dalgacıkları ile 5-kat ve 10-kat çapraz sağlama (k-fold cross validation) kullanılmıştır. Gerçekleştirilen sınıflandırma sonuçları kıyaslandığında SVM yöntemi KNN ‘ye göre daha başarılı sonuç vermekte ve dalgacık analizi değişkenleri karşılaştırılmasında SVM için kernel tipi Doğrusal ve Polinom olan Dalgacık Dönüşümü; kNN için ise Öklid mesafesi en iyi sonucu vermektedir ve çapraz sağlama değeri arttıkça başarımının azaldığı görülmektedir.