Classificador máquina de suporte vetorial com análise de Fourier aplicada em dados de EEG e EMG

Detalhes bibliográficos
Autor(a) principal: Carvalho, Jhonnata Bezerra de
Data de Publicação: 2016
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFRN
Texto Completo: https://repositorio.ufrn.br/jspui/handle/123456789/20964
Resumo: O classificador Máquina de Suporte Vetorial, que vem do termo em inglês \textit{Support Vector Machine}, é utilizado em diversos problemas em várias áreas do conhecimento. Basicamente o método utilizado nesse classificador é encontrar o hiperplano que maximiza a distância entre os grupos, para aumentar o poder de generalização do classificador. Neste trabalho, são tratados alguns problemas de classificação binária com dados obtidos através da eletroencefalografia (EEG) e eletromiografia (EMG), utilizando a Máquina de Suporte Vetorial com algumas técnicas complementares, destacadas a seguir como: Análise de Componentes Principais para a identificação de regiões ativas do cérebro, o método do periodograma que é obtido através da Análise de Fourier, para ajudar a discriminar os grupos e a suavização por Médias Móveis Simples para a redução dos ruídos existentes nos dados. Foram desenvolvidas duas funções no $software$ \textbf{R}, para a realização das tarefas de treinamento e classificação. Além disso, foram propostos 2 sistemas de pesos e uma medida sumarizadora para auxiliar na decisão do grupo pertencente. A aplicação dessas técnicas, pesos e a medida sumarizadora no classificador, mostraram resultados bastantes satisfatórios, em que os melhores resultados encontrados foram, uma taxa média de acerto de 95,31\% para dados de estímulos visuais, 100\% de classificação correta para dados de epilepsia e taxas de acerto de 91,22\% e 96,89\% para dados de movimentos de objetos para dois indivíduos.
id UFRN_39f532a236bdffeb89c7518d2f7f4833
oai_identifier_str oai:https://repositorio.ufrn.br:123456789/20964
network_acronym_str UFRN
network_name_str Repositório Institucional da UFRN
repository_id_str
spelling Carvalho, Jhonnata Bezerra dehttp://lattes.cnpq.br/0061500628399827http://lattes.cnpq.br/7753762932186347Borries, George Freitas Vonhttp://lattes.cnpq.br/6976248041309607Vivacqua, Carla Almeidahttp://lattes.cnpq.br/4339735174795014Amaral, Getúlio José Amorim dohttp://lattes.cnpq.br/7674916684282039Pinho, André Luis Santos de2016-07-15T21:46:07Z2016-07-15T21:46:07Z2016-02-03CARVALHO, Jhonnata Bezerra de. Classificador máquina de suporte vetorial com análise de Fourier aplicada em dados de EEG e EMG. 2016. 94f. Dissertação (Mestrado em Matemática Aplicada e Estatística) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2016.https://repositorio.ufrn.br/jspui/handle/123456789/20964O classificador Máquina de Suporte Vetorial, que vem do termo em inglês \textit{Support Vector Machine}, é utilizado em diversos problemas em várias áreas do conhecimento. Basicamente o método utilizado nesse classificador é encontrar o hiperplano que maximiza a distância entre os grupos, para aumentar o poder de generalização do classificador. Neste trabalho, são tratados alguns problemas de classificação binária com dados obtidos através da eletroencefalografia (EEG) e eletromiografia (EMG), utilizando a Máquina de Suporte Vetorial com algumas técnicas complementares, destacadas a seguir como: Análise de Componentes Principais para a identificação de regiões ativas do cérebro, o método do periodograma que é obtido através da Análise de Fourier, para ajudar a discriminar os grupos e a suavização por Médias Móveis Simples para a redução dos ruídos existentes nos dados. Foram desenvolvidas duas funções no $software$ \textbf{R}, para a realização das tarefas de treinamento e classificação. Além disso, foram propostos 2 sistemas de pesos e uma medida sumarizadora para auxiliar na decisão do grupo pertencente. A aplicação dessas técnicas, pesos e a medida sumarizadora no classificador, mostraram resultados bastantes satisfatórios, em que os melhores resultados encontrados foram, uma taxa média de acerto de 95,31\% para dados de estímulos visuais, 100\% de classificação correta para dados de epilepsia e taxas de acerto de 91,22\% e 96,89\% para dados de movimentos de objetos para dois indivíduos.The classifier support vector machine is used in several problems in various areas of knowledge. Basically the method used in this classier is to end the hyperplane that maximizes the distance between the groups, to increase the generalization of the classifier. In this work, we treated some problems of binary classification of data obtained by electroencephalography (EEG) and electromyography (EMG) using Support Vector Machine with some complementary techniques, such as: Principal Component Analysis to identify the active regions of the brain, the periodogram method which is obtained by Fourier analysis to help discriminate between groups and Simple Moving Average to eliminate some of the existing noise in the data. It was developed two functions in the software R, for the realization of training tasks and classification. Also, it was proposed two weights systems and a summarized measure to help on deciding in classification of groups. The application of these techniques, weights and the summarized measure in the classier, showed quite satisfactory results, where the best results were an average rate of 95.31% to visual stimuli data, 100% of correct classification for epilepsy data and rates of 91.22% and 96.89% to object motion data for two subjects.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)porUniversidade Federal do Rio Grande do NortePROGRAMA DE PÓS-GRADUAÇÃO EM MATEMÁTICA APLICADA E ESTATÍSTICAUFRNBrasilCNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA APLICADA E ESTATÍSTICAClassificador binárioEletroencefalografiaEletromiografiaPeriodogramaAnálise de componentes principaisSuavizaçãoSupport vector machineSVMClassificador máquina de suporte vetorial com análise de Fourier aplicada em dados de EEG e EMGinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALJhonnataBezerraDeCarvalho_DISSERT.pdfJhonnataBezerraDeCarvalho_DISSERT.pdfapplication/pdf3078367https://repositorio.ufrn.br/bitstream/123456789/20964/1/JhonnataBezerraDeCarvalho_DISSERT.pdf79e48f55b4c59086e412e9725049d32bMD51TEXTJhonnataBezerraDeCarvalho_DISSERT.pdf.txtJhonnataBezerraDeCarvalho_DISSERT.pdf.txtExtracted texttext/plain147843https://repositorio.ufrn.br/bitstream/123456789/20964/6/JhonnataBezerraDeCarvalho_DISSERT.pdf.txt51fd96e23f5d08fcc503e39677842923MD56THUMBNAILJhonnataBezerraDeCarvalho_DISSERT.pdf.jpgJhonnataBezerraDeCarvalho_DISSERT.pdf.jpgIM Thumbnailimage/jpeg2704https://repositorio.ufrn.br/bitstream/123456789/20964/7/JhonnataBezerraDeCarvalho_DISSERT.pdf.jpg5d12d7bf244576407544837e2dbb3e4eMD57123456789/209642017-11-03 11:02:27.026oai:https://repositorio.ufrn.br:123456789/20964Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2017-11-03T14:02:27Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false
dc.title.pt_BR.fl_str_mv Classificador máquina de suporte vetorial com análise de Fourier aplicada em dados de EEG e EMG
title Classificador máquina de suporte vetorial com análise de Fourier aplicada em dados de EEG e EMG
spellingShingle Classificador máquina de suporte vetorial com análise de Fourier aplicada em dados de EEG e EMG
Carvalho, Jhonnata Bezerra de
CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA APLICADA E ESTATÍSTICA
Classificador binário
Eletroencefalografia
Eletromiografia
Periodograma
Análise de componentes principais
Suavização
Support vector machine
SVM
title_short Classificador máquina de suporte vetorial com análise de Fourier aplicada em dados de EEG e EMG
title_full Classificador máquina de suporte vetorial com análise de Fourier aplicada em dados de EEG e EMG
title_fullStr Classificador máquina de suporte vetorial com análise de Fourier aplicada em dados de EEG e EMG
title_full_unstemmed Classificador máquina de suporte vetorial com análise de Fourier aplicada em dados de EEG e EMG
title_sort Classificador máquina de suporte vetorial com análise de Fourier aplicada em dados de EEG e EMG
author Carvalho, Jhonnata Bezerra de
author_facet Carvalho, Jhonnata Bezerra de
author_role author
dc.contributor.authorID.pt_BR.fl_str_mv
dc.contributor.authorLattes.none.fl_str_mv http://lattes.cnpq.br/0061500628399827
dc.contributor.advisorID.pt_BR.fl_str_mv
dc.contributor.advisorLattes.none.fl_str_mv http://lattes.cnpq.br/7753762932186347
dc.contributor.advisor-co1ID.pt_BR.fl_str_mv
dc.contributor.referees1.none.fl_str_mv Vivacqua, Carla Almeida
dc.contributor.referees1ID.pt_BR.fl_str_mv
dc.contributor.referees1Lattes.none.fl_str_mv http://lattes.cnpq.br/4339735174795014
dc.contributor.referees2.none.fl_str_mv Amaral, Getúlio José Amorim do
dc.contributor.referees2ID.pt_BR.fl_str_mv
dc.contributor.referees2Lattes.none.fl_str_mv http://lattes.cnpq.br/7674916684282039
dc.contributor.author.fl_str_mv Carvalho, Jhonnata Bezerra de
dc.contributor.advisor-co1.fl_str_mv Borries, George Freitas Von
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/6976248041309607
dc.contributor.advisor1.fl_str_mv Pinho, André Luis Santos de
contributor_str_mv Borries, George Freitas Von
Pinho, André Luis Santos de
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA APLICADA E ESTATÍSTICA
topic CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA APLICADA E ESTATÍSTICA
Classificador binário
Eletroencefalografia
Eletromiografia
Periodograma
Análise de componentes principais
Suavização
Support vector machine
SVM
dc.subject.por.fl_str_mv Classificador binário
Eletroencefalografia
Eletromiografia
Periodograma
Análise de componentes principais
Suavização
Support vector machine
SVM
description O classificador Máquina de Suporte Vetorial, que vem do termo em inglês \textit{Support Vector Machine}, é utilizado em diversos problemas em várias áreas do conhecimento. Basicamente o método utilizado nesse classificador é encontrar o hiperplano que maximiza a distância entre os grupos, para aumentar o poder de generalização do classificador. Neste trabalho, são tratados alguns problemas de classificação binária com dados obtidos através da eletroencefalografia (EEG) e eletromiografia (EMG), utilizando a Máquina de Suporte Vetorial com algumas técnicas complementares, destacadas a seguir como: Análise de Componentes Principais para a identificação de regiões ativas do cérebro, o método do periodograma que é obtido através da Análise de Fourier, para ajudar a discriminar os grupos e a suavização por Médias Móveis Simples para a redução dos ruídos existentes nos dados. Foram desenvolvidas duas funções no $software$ \textbf{R}, para a realização das tarefas de treinamento e classificação. Além disso, foram propostos 2 sistemas de pesos e uma medida sumarizadora para auxiliar na decisão do grupo pertencente. A aplicação dessas técnicas, pesos e a medida sumarizadora no classificador, mostraram resultados bastantes satisfatórios, em que os melhores resultados encontrados foram, uma taxa média de acerto de 95,31\% para dados de estímulos visuais, 100\% de classificação correta para dados de epilepsia e taxas de acerto de 91,22\% e 96,89\% para dados de movimentos de objetos para dois indivíduos.
publishDate 2016
dc.date.accessioned.fl_str_mv 2016-07-15T21:46:07Z
dc.date.available.fl_str_mv 2016-07-15T21:46:07Z
dc.date.issued.fl_str_mv 2016-02-03
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 CARVALHO, Jhonnata Bezerra de. Classificador máquina de suporte vetorial com análise de Fourier aplicada em dados de EEG e EMG. 2016. 94f. Dissertação (Mestrado em Matemática Aplicada e Estatística) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2016.
dc.identifier.uri.fl_str_mv https://repositorio.ufrn.br/jspui/handle/123456789/20964
identifier_str_mv CARVALHO, Jhonnata Bezerra de. Classificador máquina de suporte vetorial com análise de Fourier aplicada em dados de EEG e EMG. 2016. 94f. Dissertação (Mestrado em Matemática Aplicada e Estatística) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2016.
url https://repositorio.ufrn.br/jspui/handle/123456789/20964
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
dc.publisher.program.fl_str_mv PROGRAMA DE PÓS-GRADUAÇÃO EM MATEMÁTICA APLICADA E ESTATÍSTICA
dc.publisher.initials.fl_str_mv UFRN
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRN
instname:Universidade Federal do Rio Grande do Norte (UFRN)
instacron:UFRN
instname_str Universidade Federal do Rio Grande do Norte (UFRN)
instacron_str UFRN
institution UFRN
reponame_str Repositório Institucional da UFRN
collection Repositório Institucional da UFRN
bitstream.url.fl_str_mv https://repositorio.ufrn.br/bitstream/123456789/20964/1/JhonnataBezerraDeCarvalho_DISSERT.pdf
https://repositorio.ufrn.br/bitstream/123456789/20964/6/JhonnataBezerraDeCarvalho_DISSERT.pdf.txt
https://repositorio.ufrn.br/bitstream/123456789/20964/7/JhonnataBezerraDeCarvalho_DISSERT.pdf.jpg
bitstream.checksum.fl_str_mv 79e48f55b4c59086e412e9725049d32b
51fd96e23f5d08fcc503e39677842923
5d12d7bf244576407544837e2dbb3e4e
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)
repository.mail.fl_str_mv
_version_ 1814832672791330816