En Yak？n Kom？u Algoritmas？ Kullan？larak EEG Sinyallerine Boyut Azaltman？n Etkilerinin ？ncelenmesi

Makine ？？renmesi, var olan verilerin ？？kar？mlar？n？ matematiksel ve istatistiksel y？ntemlerle yapan ve bilinmeyen bir y？ntem paradigmas？d？r. Bu ？al？？mada, denetimli ？？renme algoritmas？, EEG (elektroensefalografi) verilerine uygulanm？？, s？n？fland？rma algoritmas？ performans analiz sonu？lar？ MATLAB ile incelenmi？tir. Bu ？al？？mada, algoritma olarak en yak？n kom？u algoritmas？ (k-NN) kullan？lm？？t？r. Bu s？n？fland？rma, Temel Bile？en Analizinin (TBA) kullan？ld？？？ ve kullan？lmad？？？ durumlar i？in iki a？amada de？erlendirilmi？tir. Boyut azaltma, verilerin boyut boyutunu kü？ültme i？lemidir. TBA ile veri kümesinin boyutunun azalt？larak, ？nemli veri ？zelliklerini korunmas？ beklenir. KNN, s？n？fland？rma do？rulu？u a？？s？ndan ？nemli say？labilecek sonu？lar vermi？tir. Mevcut ？al？？ma, farkl？ biyoelektriksel sinyaller i？in uygun ？zelliklerin uygun bir s？n？fland？r？c？ ile kombine edildi？inde anlaml？ bir s？n？fland？rma yap？labilece？ini g？stermi？tir