Human Emotion Recognition Using EEG Signals
| dc.authorid | 0000-0002-0385-7494 | en_US |
| dc.contributor.advisor | Kahramanlı Örnek, Humar | |
| dc.contributor.author | Barrı Khojasteh, Samad | |
| dc.date.accessioned | 2023-09-09T13:37:57Z | |
| dc.date.available | 2023-09-09T13:37:57Z | |
| dc.date.issued | 2021 | en_US |
| dc.date.submitted | 2021 | |
| dc.department | Selçuk Üniversitesi | en_US |
| dc.description.abstract | In this study, a novel EEG based one dimensional convolution neural network to classify emotional states has been proposed. Differential entropy (DE) has been used as an effective feature extraction method after preprocessing phase. In addition, feature smoothing-linear dynamic system (LDS) and then min-max normalization have been applied to the DE features before feeding into deep model. A one dimensional CNN model with six convolutions and fully connected blocks was designed which has been given outstanding performance in each six combinations of SEED dataset. This model has presented maximum average accuracy of 98.55% and 95.91% in binary and single sessions respectively by using 10 fold cross validation. The proposed results have fully demonstrated that the deep algorithm achieved excellent performance compare with other EEG based emotion recognition systems. The proposed deep model can be applied to other emotional datasets and also can be used in health care decision making systems. | en_US |
| dc.description.abstract | Bu çalışmada, duygu durumlarını sınıflandırmak için EEG tabanlı yeni bir tek boyutlu Evrişimli Sinir Ağı (ESA) önerilmiştir. Ön işleme aşamasından sonra etkili bir özellik çıkarım yöntemi olarak Diferansiyel Entropi (DE) kullanılmıştır. Ayrıca, derin öğrenme modeline girmeden önce DE özniteliklerine öznitelik yumuşatma-doğrusal dinamik sistem ve ardından min-max normalleştirme uygulanmıştır. Altı evrişimli bloklu ve tam bağlantılı tek boyutlu bir CNN modeli tasarlandı. Geliştirilen model, SEED veri kümesinin tüm kombinasyonlarında da başarılı performans gösterdi. 10 kez çapraz doğrulama kullanarak tek günde %95.91, iki günde %98.55 ortalama doğruluğa ulaşılmıştır. Sonuçlar, önerilen yöntemin diğer EEG tabanlı duygu tanıma sistemleriyle karşılaştırıldığında daha başarılı performans elde ettiğini göstermiştir. Önerilen derin model, diğer duygusal veri kümelerine uygulanabilir ve ayrıca sağlık hizmetleri karar verme sistemlerinde kullanılabilir. | en_US |
| dc.identifier.citation | Barrı Khojasteh, S., (2021). Human Emotion Recognition Using EEG Signals. (Yüksek Lisans Tezi). Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Konya. | en_US |
| dc.identifier.uri | https://hdl.handle.net/20.500.12395/50688 | |
| dc.language.iso | en | en_US |
| dc.publisher | Fen Bilimleri Enstitüsü | en_US |
| dc.relation.publicationcategory | Tez | en_US |
| dc.rights | info:eu-repo/semantics/openAccess | en_US |
| dc.selcuk | 20240510_oaig | en_US |
| dc.subject | Brain-Computer Interfaces (BCI) | en_US |
| dc.subject | emotion recognition | en_US |
| dc.subject | electroencephalogram (EEG) | en_US |
| dc.subject | one-dimensional CNN (1D-CNN) | en_US |
| dc.title | Human Emotion Recognition Using EEG Signals | en_US |
| dc.title.alternative | EEG Sinyalleri Kullanılarak İnsan Duygu Durumunun Tespit Edilmesi | en_US |
| dc.type | Master Thesis | en_US |
