Análise da classificação de sinais eletro-oculográficos utilizando aprendizado de máquina

Detalhes bibliográficos
Autor(a) principal: Melo Júnior, Gilberto de
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFG
Texto Completo: http://repositorio.bc.ufg.br/tede/handle/tede/11277
Resumo: This work aims at the comprehensive study involving electro-oculographic signals, acquisition methodologies, digital filters and Machine Learning algorithms. The research methodology was divided into three major stages. The first stage aimed at developing an environment and methods for acquiring electro-oculographic signals. In the second stage, digital filters were applied to the acquired signals. In the third and last stage, the signal patterns were analyzed using Machine Learning algorithms responsible for the classification of electro-oculographic signals. As a result, accuracy in the classification of 76.596 \% was obtained with the Random Forest algorithm.
id UFG-2_1a7f30432505e8958b46872f959c3e63
oai_identifier_str oai:repositorio.bc.ufg.br:tede/11277
network_acronym_str UFG-2
network_name_str Repositório Institucional da UFG
repository_id_str
spelling Vieira, Sílvio Leãohttp://lattes.cnpq.br/1254102050392862Vieira, Sílvio LeãoAlcala, Symone Gomes SoaresCalixta, Wesley Pachecohttp://lattes.cnpq.br/0719273961683501Melo Júnior, Gilberto de2021-04-26T12:27:05Z2021-04-26T12:27:05Z2020-01-19MELO JÚNIOR, Gilberto. Análise da classificação de sinais eletro-oculográficos utilizando aprendizado de máquina. 2020. 144 f. Dissertação (Mestrado em Engenharia Elétrica e da Computação) - Universidade Federal de Goiás, Goiânia, 2020.http://repositorio.bc.ufg.br/tede/handle/tede/11277ark:/38995/0013000005tw0This work aims at the comprehensive study involving electro-oculographic signals, acquisition methodologies, digital filters and Machine Learning algorithms. The research methodology was divided into three major stages. The first stage aimed at developing an environment and methods for acquiring electro-oculographic signals. In the second stage, digital filters were applied to the acquired signals. In the third and last stage, the signal patterns were analyzed using Machine Learning algorithms responsible for the classification of electro-oculographic signals. As a result, accuracy in the classification of 76.596 \% was obtained with the Random Forest algorithm.Esse trabalho tem como finalidade o estudo abrangente envolvendo sinais eletro-oculográficos, metodologias de aquisição, filtros digitais e algoritmos de Aprendizado de Máquina. A metodologia de pesquisa foi subdividida em três grandes etapas. A primeira etapa visou o desenvolvimento de ambiente e de métodos para aquisição de sinais eletro-oculográficos. Na segunda etapa foi realizado a aplicação de filtros digitais nos sinais adquiridos. Na terceira, e última etapa, foi analisado os padrões de sinais utilizando algoritmos de Aprendizado de Máquina responsáveis pela classificação dos sinais eletro-oculográficos. Como resultado, obteve-se acurácia na classificação de 76,596 % com o algoritmo Random Forest.Submitted by Marlene Santos (marlene.bc.ufg@gmail.com) on 2021-04-23T20:00:58Z No. of bitstreams: 2 license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Dissertação - Gilberto de Melo Júnior - 2020.pdf: 6136490 bytes, checksum: 0ce9eade45d2a0692952af64601e03e3 (MD5)Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2021-04-26T12:27:05Z (GMT) No. of bitstreams: 2 license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Dissertação - Gilberto de Melo Júnior - 2020.pdf: 6136490 bytes, checksum: 0ce9eade45d2a0692952af64601e03e3 (MD5)Made available in DSpace on 2021-04-26T12:27:05Z (GMT). No. of bitstreams: 2 license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Dissertação - Gilberto de Melo Júnior - 2020.pdf: 6136490 bytes, checksum: 0ce9eade45d2a0692952af64601e03e3 (MD5) Previous issue date: 2020-01-19Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESporUniversidade Federal de GoiásPrograma de Pós-graduação em Engenharia Elétrica e da Computação (EMC)UFGBrasilEscola de Engenharia Elétrica, Mecânica e de Computação - EMC (RG)Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessSinais eletro-oculográficosAprendizado de máquinaSinais biomédicosElectrooculography signalsMachine learningBiomedicals signalsENGENHARIAS::ENGENHARIA ELETRICAAnálise da classificação de sinais eletro-oculográficos utilizando aprendizado de máquinaClassification analysis of electrooculography signals using machine learninginfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis4750050050050044781reponame:Repositório Institucional da UFGinstname:Universidade Federal de Goiás (UFG)instacron:UFGLICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.bc.ufg.br/tede/bitstreams/e756b224-37d4-47e6-bbab-ca095f20bdb6/download8a4605be74aa9ea9d79846c1fba20a33MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805http://repositorio.bc.ufg.br/tede/bitstreams/be1d5b39-78b0-43ef-9ae3-e515ac80128a/download4460e5956bc1d1639be9ae6146a50347MD52ORIGINALDissertação - Gilberto de Melo Júnior - 2020.pdfDissertação - Gilberto de Melo Júnior - 2020.pdfapplication/pdf6136490http://repositorio.bc.ufg.br/tede/bitstreams/f6440b74-1b1a-482b-b2a1-40a1b115da39/download0ce9eade45d2a0692952af64601e03e3MD53tede/112772021-04-26 09:27:07.458http://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internationalopen.accessoai:repositorio.bc.ufg.br:tede/11277http://repositorio.bc.ufg.br/tedeRepositório InstitucionalPUBhttp://repositorio.bc.ufg.br/oai/requesttasesdissertacoes.bc@ufg.bropendoar:2021-04-26T12:27:07Repositório Institucional da UFG - Universidade Federal de Goiás (UFG)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
dc.title.pt_BR.fl_str_mv Análise da classificação de sinais eletro-oculográficos utilizando aprendizado de máquina
dc.title.alternative.eng.fl_str_mv Classification analysis of electrooculography signals using machine learning
title Análise da classificação de sinais eletro-oculográficos utilizando aprendizado de máquina
spellingShingle Análise da classificação de sinais eletro-oculográficos utilizando aprendizado de máquina
Melo Júnior, Gilberto de
Sinais eletro-oculográficos
Aprendizado de máquina
Sinais biomédicos
Electrooculography signals
Machine learning
Biomedicals signals
ENGENHARIAS::ENGENHARIA ELETRICA
title_short Análise da classificação de sinais eletro-oculográficos utilizando aprendizado de máquina
title_full Análise da classificação de sinais eletro-oculográficos utilizando aprendizado de máquina
title_fullStr Análise da classificação de sinais eletro-oculográficos utilizando aprendizado de máquina
title_full_unstemmed Análise da classificação de sinais eletro-oculográficos utilizando aprendizado de máquina
title_sort Análise da classificação de sinais eletro-oculográficos utilizando aprendizado de máquina
author Melo Júnior, Gilberto de
author_facet Melo Júnior, Gilberto de
author_role author
dc.contributor.advisor1.fl_str_mv Vieira, Sílvio Leão
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/1254102050392862
dc.contributor.referee1.fl_str_mv Vieira, Sílvio Leão
dc.contributor.referee2.fl_str_mv Alcala, Symone Gomes Soares
dc.contributor.referee3.fl_str_mv Calixta, Wesley Pacheco
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/0719273961683501
dc.contributor.author.fl_str_mv Melo Júnior, Gilberto de
contributor_str_mv Vieira, Sílvio Leão
Vieira, Sílvio Leão
Alcala, Symone Gomes Soares
Calixta, Wesley Pacheco
dc.subject.por.fl_str_mv Sinais eletro-oculográficos
Aprendizado de máquina
Sinais biomédicos
topic Sinais eletro-oculográficos
Aprendizado de máquina
Sinais biomédicos
Electrooculography signals
Machine learning
Biomedicals signals
ENGENHARIAS::ENGENHARIA ELETRICA
dc.subject.eng.fl_str_mv Electrooculography signals
Machine learning
Biomedicals signals
dc.subject.cnpq.fl_str_mv ENGENHARIAS::ENGENHARIA ELETRICA
description This work aims at the comprehensive study involving electro-oculographic signals, acquisition methodologies, digital filters and Machine Learning algorithms. The research methodology was divided into three major stages. The first stage aimed at developing an environment and methods for acquiring electro-oculographic signals. In the second stage, digital filters were applied to the acquired signals. In the third and last stage, the signal patterns were analyzed using Machine Learning algorithms responsible for the classification of electro-oculographic signals. As a result, accuracy in the classification of 76.596 \% was obtained with the Random Forest algorithm.
publishDate 2020
dc.date.issued.fl_str_mv 2020-01-19
dc.date.accessioned.fl_str_mv 2021-04-26T12:27:05Z
dc.date.available.fl_str_mv 2021-04-26T12:27:05Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv MELO JÚNIOR, Gilberto. Análise da classificação de sinais eletro-oculográficos utilizando aprendizado de máquina. 2020. 144 f. Dissertação (Mestrado em Engenharia Elétrica e da Computação) - Universidade Federal de Goiás, Goiânia, 2020.
dc.identifier.uri.fl_str_mv http://repositorio.bc.ufg.br/tede/handle/tede/11277
dc.identifier.dark.fl_str_mv ark:/38995/0013000005tw0
identifier_str_mv MELO JÚNIOR, Gilberto. Análise da classificação de sinais eletro-oculográficos utilizando aprendizado de máquina. 2020. 144 f. Dissertação (Mestrado em Engenharia Elétrica e da Computação) - Universidade Federal de Goiás, Goiânia, 2020.
ark:/38995/0013000005tw0
url http://repositorio.bc.ufg.br/tede/handle/tede/11277
dc.language.iso.fl_str_mv por
language por
dc.relation.program.fl_str_mv 47
dc.relation.confidence.fl_str_mv 500
500
500
500
dc.relation.department.fl_str_mv 4
dc.relation.cnpq.fl_str_mv 478
dc.relation.sponsorship.fl_str_mv 1
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Goiás
dc.publisher.program.fl_str_mv Programa de Pós-graduação em Engenharia Elétrica e da Computação (EMC)
dc.publisher.initials.fl_str_mv UFG
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Escola de Engenharia Elétrica, Mecânica e de Computação - EMC (RG)
publisher.none.fl_str_mv Universidade Federal de Goiás
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFG
instname:Universidade Federal de Goiás (UFG)
instacron:UFG
instname_str Universidade Federal de Goiás (UFG)
instacron_str UFG
institution UFG
reponame_str Repositório Institucional da UFG
collection Repositório Institucional da UFG
bitstream.url.fl_str_mv http://repositorio.bc.ufg.br/tede/bitstreams/e756b224-37d4-47e6-bbab-ca095f20bdb6/download
http://repositorio.bc.ufg.br/tede/bitstreams/be1d5b39-78b0-43ef-9ae3-e515ac80128a/download
http://repositorio.bc.ufg.br/tede/bitstreams/f6440b74-1b1a-482b-b2a1-40a1b115da39/download
bitstream.checksum.fl_str_mv 8a4605be74aa9ea9d79846c1fba20a33
4460e5956bc1d1639be9ae6146a50347
0ce9eade45d2a0692952af64601e03e3
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFG - Universidade Federal de Goiás (UFG)
repository.mail.fl_str_mv tasesdissertacoes.bc@ufg.br
_version_ 1811721407361449984

Registros relacionados