Μονάδα:
Τμήμα Πληροφορικής & ΤηλεπικοινωνιώνΠληροφορική
Ημερομηνία κατάθεσης:
2022-06-16
Συγγραφέας:
Ιωαννίδης Γιαννάκης
Στοιχεία επιβλεπόντων καθηγητών:
Αλωνιστιώτη Αθανασία
Αναπληρώτρια Καθηγήτρια
Τμήμα Πληροφορικής και Τηλεπικοινωνιών
Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών
Πρωτότυπος Τίτλος:
Ανάλυση σημάτων εγκεφαλογραφήματος για οδική ασφάλεια
Γλώσσες εργασίας:
Ελληνικά
Μεταφρασμένος τίτλος:
Ανάλυση σημάτων εγκεφαλογραφήματος για οδική ασφάλεια
Περίληψη:
ε αυτή την εργασία, προτείνεται η βασική μεθοδολογία μηχανικής μάθησης για την
ταξινόμηση της κατάστασης των ματιών (δηλαδή, μάτια ανοιχτά ή κλειστά)
χρησιμοποιώντας δεδομένα ηλεκτροεγκεφαλογραφίας για την οδική ασφάλεια. Η ιδέα
είναι να συγκριθεί και να επιβεβαιωθεί η βασική προσέγγιση Μηχανικής Μάθησης (K-
Nearest Neighbors KNN) απέναντι στον αλγόριθμο μηχανής διανύσματος υποστήριξης
(SVM). Τα δεδομένα EEG συλλέχθηκαν χρησιμοποιώντας ακουστικά Emotiv Epoc+ και
κάθε εγγραφή επισημάνθηκε χειροκίνητα, περιέχοντας 14 κανάλια (στήλες της εγγραφής)
χρησιμοποιώντας την ετικέτα ως ανοιχτά ή κλειστά μάτια. Τα πειραματικά αποτελέσματα
επικυρώνουν ότι η μεθοδολογία χρήσης του KNN παρέχει καλύτερη ακρίβεια πρόβλεψης
(accuracy) 73% χρησιμοποιώντας ως μέθοδο εξαγωγής την εντροπία. Ίδια αποτελέσματα
έδωσε η προτεινόμενη προσέγγιση για την εξίσου σημαντική μετρική F1-Score,
χρησιμοποιώντας τον KNN επιτυγχάνοντας ποσοστό 75%.
Η δομή της εργασίας είναι ως εξής:
Στο κεφάλαιο 1 επισημαίνεται η σημασία της κούρασης των οδηγών στα τροχαία
ατυχήματα και πώς η ανίχνευση των κλειστών ματιών μπορεί να αποβεί κρίσιμης
σημασίας. Στη συνέχεια στο κεφάλαιο 2 και 3 αναλύεται η δικτυακή τοπολογία και
ανάλυση των οντοτήτων του πειραματιζόμενου συστήματος για την ανταλλαγή των
δεδομένων μέσα σε αυτό (από τη συσκευή android μέχρι και τη βάση δεδομένων SQL).
Στο κεφάλαιο 4 περιγράφονται τα πειράματα που έγιναν σε 71 φοιτητές και η συλλογή
των δεδομένων με το εργαλείο Emotiv Epoc+. Στο κεφάλαιο 5 αναφέρονται οι δύο μέθοδοι
εξαγωγής χαρακτηριστικών που χρησιμοποιήθηκαν, δηλαδή ο γρήγορος
μετασχηματισμός Fourier και η εντροπία. Στο κεφάλαιο 6 μελετώνται από θεωρητική
σκοπιά οι αλγόριθμοι kNN και SVM (και περιγραφικά και άλλοι όπως ο αλγόριθμος
δέντρου απόφασης, του τυχαίου δάσους κ.ά.). Στα κεφάλαια 7 και 8 αναλύονται τα
αποτελέσματα των πειραμάτων συγκριτικά με τις μετρικές ακρίβειας, F1 και Jaccard και
επιβεβαιώνεται η υπεροχή του kNN έναντι του SVM.
Κύρια θεματική κατηγορία:
Τεχνολογία – Πληροφορική
Λέξεις-κλειδιά:
νευρωνικά δίκτυα, οδήγηση, μάτια, εγκεφαλογράφημα, μηχανική μάθηση, τεχνητή νοημοσύνη
Αρ. σελίδων ευρετηρίου:
4
Αρ. βιβλιογραφικών αναφορών:
13
Αρχείο:
Δεν επιτρέπεται η πρόσβαση στο αρχείο. H πρόσβαση επιτρέπεται μόνο εντός του δικτύου του ΕΚΠΑ.
final_thesis_Ioannides_Yiannakis.pdf
1 MB
Δεν επιτρέπεται η πρόσβαση στο αρχείο. H πρόσβαση επιτρέπεται μόνο εντός του δικτύου του ΕΚΠΑ.
