Yüksek Lisans Tezi Görüntüleme | |||||||||||||||||||||
|
|
||||||||||||||||||||
Özet: | |||||||||||||||||||||
evrelerinde gözlemlenen beyin aktivite durumundan faydalanarak bu iki evrenin birbirlerinden ayırt yönteminden yararlanarak yapılan sınıflandırmanın başarısını ortaya koymaktır. Çalışmada yöntemleri uygulanmış olup sonuçlar karşılaştırıldığında kısmi en küçük kareler regresyon yöntemi ve zaman ile işlem yükü açısından daha avantajlı olduğu görülmüştür. işaretleri physionet veri bankasındaki sleep-edf veri tabanında bulunan uyku skorlama işlemeye tabi tutulmuş ve öznitelik çıkarma amacıyla kayıtlara otoregresif modelleme yöntemi kullanılabilir olacağı düşünülmektedir. Uygulamalardaki tüm sonuçlar MATLAB programı ile elde edilmiştir. model, Bayes, k- en yakın komşuluk |