Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Ondokuz Mayıs Üniversitesi, Lisansüstü Eğitim Enstitüsü, ElektriK-Elektronik Mühendisliği Anabilim Dalı, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: ALİHAN SUİÇMEZ
Danışman: Cengiz Tepe
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:
Engelli insanların hayat şartlarını kolaylaştırmak için elektrookülografi (EOG) kullanılarak makine öğrenmesi konusunda pek çok çalışma yapılmıştır. Bu çalışmada, EOG verilerindeki göz açısal yer değiştirmeleri tahmin edilirken çeşitli veri mühendisliği teknikleri kullanılarak, farklı öznitelik seçim yöntemlerinin uygulanması sonucu tahmin hatalarına etkisinin kıyaslanması amaçlanmıştır. Veri setindeki EOG sinyallerinin dikey ve yatay bileşenlerindeki göz kırpmalar çıkarılarak filtreleme işlemleri yapıldıktan sonra her iki kanalda ayrı ayrı işlenip zaman düzleminde 23 (ortalama karekök, ortalama, mutlak maksimum, basıklık, çarpılık, varyasyon katsayısı, geometrik ortalama, harmonik ortalama, varyans, ortanca değer, ortalama enerji, standart sapma, standart hata, şekil faktörü, çeyrekler açıklığı, %50 kırpılmış ortalama, %25 kırpılmış ortalama, maksimum, ortalama mutlak sapma, minimum, merkezi moment, tekil değer ayrıştırması ve crest), frekans düzleminde 10 (baskın güç, standart sapma, enerji, güç, enerji entropi, spektral entropi, basıklık, çarpılık, ortanca değer ve ortalama), zaman-frekans düzleminde ise 36 adet öznitelik (aktivite, mobilite, karmaşıklık, basıklık, çarpılık ve enerji) çıkarılmıştır. Frekans düzleminde ayrık fourier dönüşümü, zaman-frekans düzleminde ayrık dalgacık dönüşümü kullanılmıştır. Elde edilen veri holdout ve k-fold yöntemleri kullanılarak Fsrtest, Fsrnca, Fsrmrmr, RReliefF ve Sequentials öznitelik yöntemleri ile öznitelikler seçilmiştir. Seçilen öznitelikler makine öğrenmesi algoritmaları olan Gaussian Process Regression(GPR), Support Vector Machine Regression(SVR), Regression Tree ve Regression Tree Ensembles algoritmalarına sokulmuştur. Elde edilen en düşük hata oranları, bireysel olarak, yatay EOG bileşeninde en iyi sonuç zaman-frekans düzleminde rrelieff öznitelik seçim yöntemiyle RTE algoritmasında RMSE ve açısal hata değerleri sırasıyla 0.96, 0.77'dir. Dikey EOG bileşeninde ise en iyi sonuç zaman düzleminde fsrnca öznitelik seçim yöntemiyle RTE algoritmasında RMSE ve açısal hata değerleri sırasıyla 1.73, 1.35'tir. Ortalama değerlerde ise en iyi sonuçlar, yatay EOG bileşeninde zaman-frekans düzleminde RMSE ve açısal hata değerleri sırasıyla 2.15±0.73, 1.39±0.41 ile fsrnca öznitelik seçim yöntemiyle, RTE algoritmasında elde edilmiştir. Dikey EOG bileşeninde ise zaman-frekans düzleminde RMSE ve açısal hata değerleri sırasıyla 3.67±0.87, 2.61±0.64 ile fsrtest öznitelik seçim yöntemiyle, GPR algoritmasında elde edilmiştir.