EMG sinyallerinin özniteliklerinin çıkarılması, YSA ve kNN algoritmalarıyla sınıflandırılması

Yükleniyor...
Küçük Resim

Tarih

2018

Dergi Başlığı

Dergi ISSN

Cilt Başlığı

Yayıncı

IEEE

Erişim Hakkı

info:eu-repo/semantics/closedAccess

Özet

Bu çalışma, kasların hareketiyle oluşan elektriksel sinyallerin sınıflandırılmasını amaçlamaktadır. Veri seti dört farklı bireyden alınan sekiz farklı hareketin sinyallerini içerir. Sınıflandırılan hareketler, baş, işaret, orta, yüzük, baş-işaret, başorta, baş-yüzük parmakları ve el kapama hareketleridir. Öncelikle sinyal, pencereleme işlemiyle küçük parçalara ayrılmış, bu küçük sinyallere çeşitli öznitelik çıkarımı yöntemleri uygulanarak öznitelik vektörleri oluşturulmuştur. Sonrasında öznitelik vektörleri k en yakın komşular algoritması ve yapay sinir ağları algoritmasıyla sınıflandırılmıştır. Bu işlemler sonunda, sınıflandırma doğruluğu 150 ms’de kNN için %89 iken YSA için %93 olarak bulunmuştur. Ancak kNN algoritmasının YSA’ya göre daha kısa işlem süresine sahip olduğu görülmüştür.
This study aims to classify the electrical signals generated by the movement of muscles. The data set contains eight different motion signals from four different individuals. Classified motions are thumb, index, middle, ring, thumb-index, thumb-middle, thumb-ring and hand close. Firstly, the signal is divided into small parts by windowing process, and the feature vectors are created by applying various feature extraction methods to these small signals. Then, the feature vectors are classified by k-nearest neighbors and artificial neural networks algorithm. At the end of these processes, the classification accuracy was 89% for kNN at 150 ms and 93% for ANN. The advantage of the kNN Algorithm is that the processing time is shorter than ANN.

Açıklama

26th IEEE Signal Processing and Communications Applications Conference (SIU) -- May 02-05, 2018 -- İzmir, Turkey

Anahtar Kelimeler

Yapay Sinir Ağları, K-en Yakın Komşular, Öznitelik Çıkarımı, Sınıflandırma, Artificial Neural Networks, K-Nearest Neighbors, Feature Extraction, Classification

Kaynak

26th IEEE Signal Processing and Communications Applications Conference (SIU)

WoS Q Değeri

N/A

Scopus Q Değeri

N/A

Cilt

Sayı

Künye