Yüce, Yılmaz KemalSayılgan, Ebruİşler, Yalçın2023-04-102023-04-1020202148-2446http://doi.org/10.29130/dubited.716386https://search.trdizin.gov.tr/yayin/detay/390803https://hdl.handle.net/20.500.12684/11671Durağan durum görsel uyarılmış potansiyeller (DDGUP), diğer beyin bilgisayar ara yüzü (BBA) tekniklerineoranla oldukça yüksek sinyal-gürültü oranları ve bilgi aktarım hızına sahip oldukları için EEG çalışmalarındasıkça kullanılır. Ayrıca durağan durum paradigmaları, dinamik neokorteks süreçlerinde tercih edilen frekanslarıkarakterize etmek için de kullanılır. Kısa eğitim süresine sahip olan DDGUP’lar, pratik uygulamalarda önemlibir rol oynar. Sinyalleri komuta dönüştürmekte kullanılan, sinyal işleme algoritmaları, BBA sistemlerininperformansını arttırmak için kilit öneme sahiptir. Buna ek olarak, DDGUP sinyallerinin birbirinden farklıyöntemlerle sınıflandırılmasını araştıran çok az çalışma vardır. Bu çalışmada, internetten açık erişim ile alınanveri seti (AVI SSVEP Dataset) üzerinde analizler yapılmıştır. Veri setindeki EEG kayıtları, katılımcılar, rengisiyahtan beyaza hızla değişen yedi farklı frekansta yanıp sönen bir kutuya baktıkları durumda kaydedilmiştir.Oksipital bölgeden kaydedilen DDGUP sinyalleri ilk olarak Hızlı Fourier Dönüşümü uygulanarak, sinyal altbantlarına (delta, teta, alfa, beta ve gama) ayrılmıştır. Alt bantların her biri için enerji ve varyans öznitelikvektörleri çıkarılmıştır. Öznitelikler altı temel sınıflandırıcı (LDA, k-NN, SVM, Naive Bayes, ToplulukÖğrenmesi, Karar Ağacı) ile sınıflandırılmıştır. Sınıflandırma performansları birbirleri ile karşılaştırılmıştır.Sınıflandırma 5-kat çapraz doğrulama modeli ve hata matrisinden doğruluk değerleri çıkarılarak analizedilmiştir. Katılımcılar ayrı ayrı göz önüne alındığında %100’e varan sınıflandırma başarımı SVM ve k-NNsınıflandırıcılarında elde edilirken, ortalamalara göre en yüksek başarım Topluluk Öğrenmesi sınıflandırıcısında%79,73 olarak elde edilmiştir.tr10.29130/dubited.716386info:eu-repo/semantics/openAccessArticle8423272343390803