Análise da classificação de sinais eletro-oculográficos utilizando aprendizado de máquina
Autor(a) principal: | |
---|---|
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 |