Show simple item record

dc.contributor.authorGürkan, Hakanen_US
dc.contributor.authorGüz, Ümiten_US
dc.contributor.authorYarman, Bekir Sıddık Binboğaen_US
dc.date.accessioned2019-08-31T12:10:23Z
dc.date.accessioned2019-08-05T16:05:01Z
dc.date.available2019-08-31T12:10:23Z
dc.date.available2019-08-05T16:05:01Z
dc.date.issued2008
dc.identifier.citationGürkan, H., Güz, Ü. & Yarman, B. S. B. (2008). A novel electroencephalogram (EEG) data compression technique. Paper presented at the 2008 IEEE 16th Signal Processing, Communication and Applications Conference, SIU, 857-860. doi:10.1109/SIU.2008.4632749en_US
dc.identifier.isbn9781424419999
dc.identifier.isbn9781424419982
dc.identifier.issn2165-0608
dc.identifier.urihttps://hdl.handle.net/11729/1991
dc.identifier.urihttps://dx.doi.org/10.1109/SIU.2008.4632749
dc.description.abstractBu çalışmada, Elektroensefalogram(EEG) işaretlerinin yeniden oluşturulmasına yönelik olarak yeni bir yöntem sunulmaktadır. Sunulan yöntem, etkin bir k-ortalamalı sınıflandırma algoritması kullanılarak Sınıflandırılmış Temel Tanım ve Zarf Vektör Setlerinin oluşturulmasına dayanmaktadır. Bu çalışmada, EEG işaretleri eşit uzunluklu çerçevelere bölünerek analiz edilmiş ve herbir çerçeve Sınıflandırılmış Temel Tanım vektörü, Sınıflandırılmış Zarf vektörü ve Çerçeve Ölçekleme Katsayısı olarak adlandırılan üç parametrenin çarpımı biçiminde modellenmiştir. Bu durumda, EEG işaretinin herbir çerçevesi sınıflandırılmış temel tanım ve zarf vektör setlerine ilişkin iki sıra numarası R ve K ile çerçeve ölçekleme katsayısı cinsinden tanımlanabilir. Önerilen yöntemin başarımı ortalama karesel hata tanımı ve görsel inceleme ölçütü yoluyla değerlendirilmiştir. Önerilen yöntem, EEG işaretlerinin tanı açısından önemli kısımları korunarak, düşük yeniden oluşturma hataları ve yüksek sıkıştırma oranları ile yeniden oluşturulmasını sağlamaktadır.en_US
dc.description.abstractIn this paper, a novel method to compress ElectroEncephaloGram (EEG) Signal is proposed. The proposed method is based on the generation Classified Signature and Envelope Vector Sets (CSEVS) by using an effective k-means clustering algorithm. In this work, on a frame basis, any EEG signal is modeled by multiplying three parameters as called the Classified Signature Vector, Classified Envelope Vector, and Frame-Scaling Coefficient. In this case, EEG signal for each frame is described in terms of the two indices R and K of CSEVS and the frame-scaling coefficient. The proposed method is assessed through the use of root-mean-square error (RMSE) and visual inspection measures. The proposed method achieves good compression ratios with low level reconstruction error while preserving diagnostic information in the reconstructed EEG signal.en_US
dc.language.isoturen_US
dc.publisherIEEEen_US
dc.relation.isversionof10.1109/SIU.2008.4632749
dc.rightsinfo:eu-repo/semantics/closedAccessen_US
dc.subjectBrain modelingen_US
dc.subjectBrain modelsen_US
dc.subjectChromiumen_US
dc.subjectClassification algorithmsen_US
dc.subjectClassified envelope vectoren_US
dc.subjectClassified signature and envelope vector setsen_US
dc.subjectClassified signature vectoren_US
dc.subjectClustering algorithmsen_US
dc.subjectCompression ratiosen_US
dc.subjectData compressionen_US
dc.subjectData compression techniquesen_US
dc.subjectDiagnostic informationsen_US
dc.subjectEEG data compression techniqueen_US
dc.subjectEEG signalsen_US
dc.subjectElectrocardiographyen_US
dc.subjectElectroencephalogramen_US
dc.subjectElectroencephalogram signalsen_US
dc.subjectElectroencephalographyen_US
dc.subjectFrame-scaling coefficienten_US
dc.subjectK-Means clustering algorithmen_US
dc.subjectMean square error methodsen_US
dc.subjectMedical signal processingen_US
dc.subjectNovel methodsen_US
dc.subjectOptical sensorsen_US
dc.subjectPatient diagnosisen_US
dc.subjectPattern clusteringen_US
dc.subjectReconstruction erroren_US
dc.subjectReconstruction errorsen_US
dc.subjectRoot-mean-square erroren_US
dc.subjectScaling coefficientsen_US
dc.subjectSignal compressionen_US
dc.subjectSignal processingen_US
dc.subjectSignal reconstructionen_US
dc.subjectSignature vectorsen_US
dc.subjectSquare errorsen_US
dc.subjectSupport vector machine classificationen_US
dc.subjectThree parametersen_US
dc.subjectVectorsen_US
dc.subjectVisual communicationen_US
dc.subjectVisual inspectionen_US
dc.subjectVisual inspectionsen_US
dc.titleElektroensefalogram (EEG) işaretlerinin sıkıştırılmasında özgün bir yaklaşımen_US
dc.title.alternativeA novel electroencephalogram (EEG) data compression techniqueen_US
dc.typeconferenceObjecten_US
dc.description.versionPublishe's Versionen_US
dc.relation.journal2008 IEEE 16th Signal Processing, Communication and Applications Conference, SIUen_US
dc.contributor.departmentIşık Üniversitesi, Mühendislik Fakültesi, Elektrik-Elektronik Mühendisliği Bölümüen_US
dc.contributor.departmentIşık University, Faculty of Engineering, Department of Electrical-Electronics Engineeringen_US
dc.contributor.authorID0000-0002-7008-4778
dc.contributor.authorID0000-0002-4597-0954
dc.identifier.startpage857
dc.identifier.endpage860
dc.peerreviewedYesen_US
dc.publicationstatusPublisheden_US
dc.relation.publicationcategoryKonferans Öğesi - Uluslararası - Kurum Öğretim Elemanıen_US
dc.contributor.institutionauthorGürkan, Hakanen_US
dc.contributor.institutionauthorGüz, Ümiten_US


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record