IAD Index of Academic Documents
  • Home Page
  • About
    • About Izmir Academy Association
    • About IAD Index
    • IAD Team
    • IAD Logos and Links
    • Policies
    • Contact
  • Submit A Journal
  • Submit A Conference
  • Submit Paper/Book
    • Submit a Preprint
    • Submit a Book
  • Contact
  • Black Sea Journal of Engineering and Science
  • Volume:7 Issue:4
  • EEG Sinyallerinden Meta-Sezgisel Optimizasyon Algoritmalarına Dayalı Özellik Seçimi

EEG Sinyallerinden Meta-Sezgisel Optimizasyon Algoritmalarına Dayalı Özellik Seçimi

Authors : Eyup Gedikli, Taner Yurdusever
Pages : 717-723
Doi:10.34248/bsengineering.1490063
View : 57 | Download : 51
Publication Date : 2024-07-15
Article Type : Research Paper
Abstract :Özellik seçimi makine öğrenmesi alanında, sınıflandırma işlemlerinin öncesinde bulunan önemli bir aşamadır. Ayırt edici özelliklerin iyi belirlendiği durumlarda, sınıflandırma başarı performası artar ve daha az özellik değerlendirildiği için hesaplama maliyeti azalır. Elektroensefalografi (EEG) yöntemi ile beynin spontan elektrik aktiviteleri ölçülmektedir. EEG sinyallerinin analiz edilmesiyle, duygu durumu, hastalık teşhisi, anomali tespiti yapılabilmektedir. Bu çalışmada, EEG sinyallerinden epilepsi teşhisi amacıyla, sınıflandırmada kullanılan özelliklerin seçilmesine çalışılmıştır. Kullanılan verisetinde, epileptik ve sağlıklı bireylerden oluşan 2 sınıf mevcuttur. Verisetinde, EEG sinyallerinin alt bileşenlerinden 667 özellik vardır. Sınıflandırma için bu 667 özelikten meta-segisel optimizasyon algoritmaları ile ayırt edici özellikler seçilmiştir. Sınıflandırma için k en yakın komşuluk algoritması kullanılmıştır. EEG sinyallerinin alt bileşenlerinin tamamı ile yapılan sınıflandırmada, %60,05 doğruluk başarısı elde edilmiştir. Gri Kurt Optimizasyonu, Balina Optimizasyonu ve Harris Şahinler Optimizasyonu metasezgisel algoritmaları ile özellik seçimi sonucunda, sınıflandırma başarısı %80,16 olarak elde edilmiştir. Bu sınıflandırma başarısı 5-10 özellik kullanılarak elde edilebilmektedir. Sonuç olarak meta-sezgisel optimizasyon algoritmaları ile daha az özellik seçilerek doğruluk oranı artmış ve hesaplama maliyeti azalmıştır.
Keywords : Balina optimizasyonu algoritması, Elektroensefalografi, Gri kurt optimizasyon algoritması, Harris şahini optimizasyonu algoritması, Özellik seçimi

ORIGINAL ARTICLE URL
VIEW PAPER (PDF)

* There may have been changes in the journal, article,conference, book, preprint etc. informations. Therefore, it would be appropriate to follow the information on the official page of the source. The information here is shared for informational purposes. IAD is not responsible for incorrect or missing information.


Index of Academic Documents
İzmir Academy Association
CopyRight © 2023-2025