Show simple item record

Comparison of Classification Algorithms for EOG Signals

dc.contributor.authorGürkan, Güray
dc.contributor.authorGürkan, Serkan
dc.contributor.authorUşaklı, Ali Bülent
dc.date.accessioned2018-12-19T07:17:45Z
dc.date.available2018-12-19T07:17:45Z
dc.date.issued2012
dc.identifier.isbn978-1-4673-0055-1
dc.identifier.issn2165-0608
dc.identifier.other978-1-4673-0056-8
dc.identifier.other978-1-4673-0054-4
dc.identifier.other978-1-4673-0053-7
dc.identifier.urihttps://doi.org/10.1109/SIU.2012.6204469
dc.identifier.urihttps://hdl.handle.net/11413/4030
dc.description.abstractBu bildiride, belirli göz hareketleri sonucu elde edilen elektrookülogram (EOG) sinyallerinin sınıflandırılması için Destek Vektör Makinesi (DVM) ve Yapay Sinir Ağı (YSA) yöntemleri karşılaştırılmaktadır. Göz hareketleri kullanarak kontrol edilecek bir sistemin parçası olarak seçilen yöntemler, doğruluk ve hız parametreleri bakımından karşılaştırılmıştır. Alınan EOG sinyalleri, yatay (sağ ve sol), dikey (aşağı ve yukarı) ve kırpma biçimindeki 5 farklı göz hareketinden oluşmaktadır. 20 denekten, yatay ve dikey bileşenli iki EOG kanalından alınan sinyal kümesinden, 3 elemanlı öznitelik vektörleri hesaplanmıştır. Öznitelik vektörlerinin ilk iki elemanı, kanallardaki tepe genlik değerinden, üçüncüsü ise bu çalışmada özgün olarak önerilen parametre olan, aktif kanala ait basıklık değerinden oluşmaktadır. Deneklerden elde edilen öznitelik vektörlerinden rasgele 10 tanesi adı geçen sınıflandırıcıların eğitimi, kalan 10 tanesi de başarımlarını değerlendirmek için kullanılmıştır. Çevrimdışı olarak yapılan testler sonucu her iki sınıflandırma yönteminde de % 100 başarı elde edilmiştir. Ortaya çıkan cevap süreleri de iki yöntemin gerçek zamanlı olarak kullanıma uygun olduğunu göstermektedir.tr_TR
dc.description.abstractIn this paper, we present a comparison Support Vector Machine (SVM) and Artificial Neural Network (ANN) for classification of electrooculogram (EOG) signals acquired under specific eye movements. These methods that are required for an eye controlled system are compared by means of their accuracy and response time. Acquired EOG signals consist of 5 different eye movements - being horizontal (right and left), vertical (up and down) and blink. EOG signal acquisition was achieved from 20 different subjects by using two EOG channels (vertical and horizontal) and 3 element feature vectors were extracted. The first two elements of the feature vectors are the peak amplitudes of two channels whereas the third element, being our proposed parameter, is the kurtosis value of the active channel. 10 of 20 randomly selected feature vectors were used for training of the classifiers whereas the rest was used for performance tests. Offline tests yield 100 % success rate for both of the classifiers. The response times of both methods make them suitable for real-time usage.
dc.language.isotrtr_TR
dc.publisherIEEEtr_TR
dc.relation2012 20th Signal Processing and Communications Applications Conference (SIU)tr_TR
dc.subjectElectrooculographytr_TR
dc.subjectSupport vector machine classificationtr_TR
dc.subjectBariumtr_TR
dc.subjectArtificial Neural Networkstr_TR
dc.subjectTime Factorstr_TR
dc.subjectFeature Extractiontr_TR
dc.subjectElectro-Oculographytr_TR
dc.subjectMedical Signal Processingtr_TR
dc.subjectNeural Netstr_TR
dc.subjectSupport Vector Machinestr_TR
dc.subjectClassification Algorithmstr_TR
dc.subjectEOG Signalstr_TR
dc.subjectElectrooculogram Signalstr_TR
dc.subjectArtificia lNeural Networktr_TR
dc.subjectSupport Vector Machinetr_TR
dc.subjectSVMtr_TR
dc.subjectANNtr_TR
dc.subjectSpecific Eye Movementstr_TR
dc.subjectEye Controlled Systemtr_TR
dc.subject3 Element Feature Vectorstr_TR
dc.subjectKurtosis Valuetr_TR
dc.subjectOffline Teststr_TR
dc.titleEOG Sinyalleri için Sınıflandırma Algoritmalarının Karşılaştırılmasıtr_TR
dc.titleComparison of Classification Algorithms for EOG Signals
dc.title.alternativeComparison of Classification Algorithms for EOG Signalstr_TR
dc.typeconferenceObjecttr_TR
dc.contributor.authorID113297tr_TR
dc.contributor.authorID244333tr_TR
dc.contributor.authorID118889tr_TR


Files in this item

FilesSizeFormatView

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record