K-en yakın komşuluk algoritmasını kullanarak EEG tabanlı kişi tanıma

Abstract

EEG beynin elektriksel aktivitesini kaydetmek ve yorumlayabilmek için bir izleme yöntemidir. Psikolojik bazı hastalıkların tanısında, beyin-bilgisayar ara yüzü (BCI) uygulamalarında kullanılabilmektedir. Ayrıca güvenlik sistemlerinde kişiye özgü EEG tabanlı biyometriler sayesinde, e-sağlık, e-devlet, e-oylama gibi uygulamalarda da kullanılabilmektedir. Bu yazıda iki farklı veri kümesine ait deney sonuçları paylaşılacaktır. Birincisi; iki boyutlu bilgisayar imleci hayali hareketi sırasında kaydedilen EEG verilerini kullanarak 3 kişinin kimlik doğrulaması için hızlı ve doğru yöntemler önerilmiştir. EEG sinyallerinin türev varyanslarının logaritmik fonksiyonuna dayalı çıkarılan öznitelik vektörleri, k-en yakın komşuluk (k-EYK) yöntemiyle sınıflandırılmıştır. Önerilen yöntemler dört (yukarı/aşağı/sağ/sol) veri kümesine başarıyla uygulanmıştır. Bu 3 kişinin kimliğini doğrularken sırasıyla %93,86, %98,25, %96,49, %98,18 sınıflandırma doğruluğu elde edilmiştir. İkincisi; 4 adet doğal yağın (nane, karanfil, kekik, biberiye) koklatılması sonucunda ortaya çıkan EEG verilerini kullanarak 8 kişinin kimlik doğrulaması için hızlı ve doğru yöntemler önerilmiştir. EEG sinyallerinin türev varyanslarının logaritmik fonksiyonuna dayalı çıkarılan öznitelik vektörleri, k-EYK yöntemiyle sınıflandırılmıştır. Önerilen yöntemler dört veri kümesine başarıyla uygulanmıştır. Bu 8 kişinin kimliğini doğrularken sırasıyla % 93,88, %95,44, %96,13, %96,63 sınıflandırma doğruluğu elde edilmiştir.