Yazar "Demir, Necati" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • [ X ]
    Öğe
    EKG sinyalleri kullanılarak kişi tespiti
    (Siirt Üniversitesi, 2021) Demir, Necati; Kuncan, Melih; Kaya, Yılmaz
    Son zamanlarda, kişilerin biyometrik bilgilerine dayalı olarak tanınması için güvenilir sistemler oluşturmak için çok sayıda araştırma yapılmıştır. Kişi Tanıma (PI) sistemleri, farklı yöntemler kullanan araştırmacılar arasında popüler hale gelmiştir. Elektrokardiyogram (EKG) sinyallerinin benzersiz avantajları göz önüne alındığında, kişi tanımlama çalışmaları için araştırmacıların ilgisini çeken önemli bir araştırma alanı olmuştur. EKG verilerinin taklit edilmesi veya kopyalanması zor olduğundan, bu veriler kişi tanımlama gibi biyometrik çalışmalarda diğer verilere göre daha avantajlı hale gelmektedir. Bu çalışmada, tek boyutlu sinyallerden güçlü bir öznitelik seti elde edebilmeyi sağlayan Bir Boyutlu Çok Katmanlı Eş Oluşum Matrisleri (1D-MLGLCM) yöntemi geliştirilmiştir ve bu yöntem EKG sinyallerine dayalı olarak bireyleri tanımak için uygulanmıştır. Deneylerde kullanılan veri seti, yaşları 13 ile 75 arasında değişen 90 deneğin EKG verilerini içermektedir. Öncelikle EKG sinyalleri kişi tanımlama sistemi için 32 farklı aralıklarla normalize edilmiştir. Elde edilen bu çok katlı sinyallerin her birine, eş oluşum matrisleri elde edebilmek için Bir Boyutlu Eş Oluşum Matrisleri (1D-GLCM) yöntemi uygulanmıştır. Daha sonra, Rastsal Orman (RF), Destek Vektör Makinesi (SVM), Naive Bayes (NB), Bayes Net (BN) ve K-en Yakın Komşu (KNN) gibi sınıflandırma algoritmalarına girdi olarak verilmesi için bu matrislerin Haralick öznitelikleri elde edilmiştir. Önerilen yöntem, SVM kullanılarak %93,414 başarı oranına ulaşmıştır. Sonuç olarak çalışma, önerilen yöntemin kişi tanımlama problemlerinde EKG sinyallerini kullanarak çok etkili sonuçlar elde ettiğini kanıtlamaktadır.
  • [ X ]
    Öğe
    Multi-Layer Co-Occurrence Matrices for Person Identification from ECG Signals
    (Int Information & Engineering Technology Assoc, 2022) Demir, Necati; Kuncan, Melih; Kaya, Yilmaz; Kuncan, Fatma
    Recently, numerous researches have been executed to create reliable systems to recognize persons based on their biometric information. As a result, person identification (PI) systems have become popular among researchers using different methods. In recent years, it is seen that Electrocardiogram (ECG) signals have started to be used for biometric systems as well as health-related studies. Because ECG data is unique for each person cannot be imitated or copied for biometric studies, it is advantageous for PI problems compared to other biometric data. In this study, we have conducted a method that uses One Dimensional Multi-Layer Co Occurrence Matrices (1D-MLGLCM) to recognize individuals based on their ECG signals. The dataset used in the experiments contains ECG data of 90 subjects whose ages ranged from 13 to 75 years. First of all, ECG signals are normalized at 32 different intervals for the PI system. Then, Dimensional Co-Occurrence Matrices (1D-GLCM) are applied to each signal to construct co-occurrence matrices. These matrices are used to extract Heralick features to feed classification algorithms such as Random Forest (RF), Support Vector Machine (SVM), Naive Bayes (NB), Bayes Net (BN), and K-Nearest Neighborhood (KNN). Our proposed method achieved a 93.414% success rate by using SVM. As a result, the study proves that the suggested method has achieved very effective outcomes by using ECG signals for person identification problems.