Özet:
Bu tez çalışmasında 11 gündelik aktivitenin yapıldığı esnada eşzamanlı olarak kaydedilmiş EEG ve EMG veri setinin sınıflandırılması hedeflenmektedir. 20 kişiye ait ölçümlerin bulunduğu bu veri seti 1 kanal EEG ile 1 kanal EMG verisinden oluşmaktadır. EEG verilerinin alt bileşenlerini elde etmek için ayrık dalgacık dönüşümü kullanılmıştır. Sonraki aşamada EEG, EMG ve alt bileşenlere ait öznitelikler çıkarılmıştır. Çalışmada kullanılan öznitelikler ortalama mutlak değer, Hjorth değişkenlik parametresi, basıklık, Hurst fraktal indisi ve sıfır geçişleridir. Sınıflandırma aşamasında literatürde yaygın olarak kullanılan; K-En Yakın Komşular, J48, Destek Vektör Makinesi, Yapay Sinir Ağları ve Naif Bayes yöntemleri kullanılmıştır. Sınıflandırma EEG ve EMG verileri ile bu iki veri tipinin birleştirilmesiyle elde edilen veri kümesi üzerinden gerçekleştirilmiştir. En yüksek doğruluk %94.7 ile K-EYK yönteminden, EEG ve EMG öznitelikleri kullanılarak elde edilmiştir. Sınıflandırma performansını iyileştirmek ve gürültü oranını azaltmak amacıyla Temel Bileşen Analizi kullanılmıştır. Böylelikle DVM yönteminden elde edilen başarı %91.3 seviyesine çıkmıştır. Diğer çalışmalara kıyasla, sadece iki kanal elektrot ile kaydedilmiş çok sınıflı bir veri kümesinin yüksek doğrulukla sınıflandırılması ve EEG ve EMG sinyalleri için aynı özniteliklerin kullanılması bu çalışmanın farkını ortaya koymaktadır.
