Erdoğmuş, PakizePekçakar, Aşkın2021-02-252021-02-252008https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=UPP_Zu9isEmWGFXFCBYasbwntMT3OiRx4UHJlYjoOhwcFQuXriOBhmX5e7-_EZAghttps://hdl.handle.net/20.500.12684/7139YÖK Tez No: 237409Bu çalışmada Normal, Rbbb, Lbbb ve Pace olmak üzere dört grup EKG datası incelenmiştir. Dataların dönüşüm işlemlerinde Dalgacık ve Fourier dönüşümleri kullanılmıştır. Bilgilerin daha az veri ile temsil edilmesiyle sınıflandırma işlemleri çok kısa sürede yapılabilir hale gelmiştir.Dalgacık Dönüşümü ile ham datalardan elde edilmiş özellik vektörleri ortalama %72 gibi bir başarımla sınıflandırılmışlardır. Fourier Dönüşümleri ile de başarılı sonuçlar elde edilmiş, fakat özellik vektörü veri sayısı dalgacık dönüşümüne göre üç kat daha fazla olduğundan hesap yükü fazlalaşmış ve sınıflandırma süresi yaklaşık üç kat artmıştır.In this study, Normal, Rbbb, Lbbb and Pace ECG data was examined. Wavelet and Fourier Transform has been used for Feature Extraction. By this way, classification has been realised the shortest time and the less data size.Feature Vectors extracted from original signals with Wavelet Transform, have been classified 72 % accuracy. It has also taken successfully results with FFT. But Feature Vector size has been approximately three times bigger than Wavelet Transform and the classification time has increased approximately three times.trinfo:eu-repo/semantics/openAccessTeknik EğitimTechnical EducationElektrokardiyografiElectrocardiographyDalgacık DönüşümüSinyal AnaliziEKGÖzellik ÇıkarımıWavelet TransformSignal AnalysisECGFeature ExtractionMaster Thesis193