Análise da classificação de sinais eletro-oculográficos utilizando aprendizado de máquina

Página do item simplificado
dc.contributor.advisor1Vieira, Sílvio Leão
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1254102050392862pt_BR
dc.contributor.referee1Vieira, Sílvio Leão
dc.contributor.referee2Alcala, Symone Gomes Soares
dc.contributor.referee3Calixta, Wesley Pacheco
dc.creatorMelo Júnior, Gilberto de
dc.creator.Latteshttp://lattes.cnpq.br/0719273961683501pt_BR
dc.date.accessioned2021-04-26T12:27:05Z
dc.date.available2021-04-26T12:27:05Z
dc.date.issued2020-01-19
dc.description.abstractThis work aims at the comprehensive study involving electro-oculographic signals, acquisition methodologies, digital filters and Machine Learning algorithms. The research methodology was divided into three major stages. The first stage aimed at developing an environment and methods for acquiring electro-oculographic signals. In the second stage, digital filters were applied to the acquired signals. In the third and last stage, the signal patterns were analyzed using Machine Learning algorithms responsible for the classification of electro-oculographic signals. As a result, accuracy in the classification of 76.596 \% was obtained with the Random Forest algorithm.eng
dc.description.provenanceSubmitted by Marlene Santos (marlene.bc.ufg@gmail.com) on 2021-04-23T20:00:58Z No. of bitstreams: 2 license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Dissertação - Gilberto de Melo Júnior - 2020.pdf: 6136490 bytes, checksum: 0ce9eade45d2a0692952af64601e03e3 (MD5)en
dc.description.provenanceApproved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2021-04-26T12:27:05Z (GMT) No. of bitstreams: 2 license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Dissertação - Gilberto de Melo Júnior - 2020.pdf: 6136490 bytes, checksum: 0ce9eade45d2a0692952af64601e03e3 (MD5)en
dc.description.provenanceMade available in DSpace on 2021-04-26T12:27:05Z (GMT). No. of bitstreams: 2 license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Dissertação - Gilberto de Melo Júnior - 2020.pdf: 6136490 bytes, checksum: 0ce9eade45d2a0692952af64601e03e3 (MD5) Previous issue date: 2020-01-19en
dc.description.resumoEsse trabalho tem como finalidade o estudo abrangente envolvendo sinais eletro-oculográficos, metodologias de aquisição, filtros digitais e algoritmos de Aprendizado de Máquina. A metodologia de pesquisa foi subdividida em três grandes etapas. A primeira etapa visou o desenvolvimento de ambiente e de métodos para aquisição de sinais eletro-oculográficos. Na segunda etapa foi realizado a aplicação de filtros digitais nos sinais adquiridos. Na terceira, e última etapa, foi analisado os padrões de sinais utilizando algoritmos de Aprendizado de Máquina responsáveis pela classificação dos sinais eletro-oculográficos. Como resultado, obteve-se acurácia na classificação de 76,596 % com o algoritmo Random Forest.pt_BR
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESpt_BR
dc.identifier.citationMELO JÚNIOR, Gilberto. Análise da classificação de sinais eletro-oculográficos utilizando aprendizado de máquina. 2020. 144 f. Dissertação (Mestrado em Engenharia Elétrica e da Computação) - Universidade Federal de Goiás, Goiânia, 2020.pt_BR
dc.identifier.urihttp://repositorio.bc.ufg.br/tede/handle/tede/11277
dc.languageporpt_BR
dc.publisherUniversidade Federal de Goiáspt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentEscola de Engenharia Elétrica, Mecânica e de Computação - EMC (RG)pt_BR
dc.publisher.initialsUFGpt_BR
dc.publisher.programPrograma de Pós-graduação em Engenharia Elétrica e da Computação (EMC)pt_BR
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectSinais eletro-oculográficospor
dc.subjectAprendizado de máquinapor
dc.subjectSinais biomédicospor
dc.subjectElectrooculography signalseng
dc.subjectMachine learningeng
dc.subjectBiomedicals signalseng
dc.subject.cnpqENGENHARIAS::ENGENHARIA ELETRICApt_BR
dc.titleAnálise da classificação de sinais eletro-oculográficos utilizando aprendizado de máquinapt_BR
dc.title.alternativeClassification analysis of electrooculography signals using machine learningeng
dc.typeDissertaçãopt_BR

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
Dissertação - Gilberto de Melo Júnior - 2020.pdf
Tamanho:
5.85 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

Mestrado em Engenharia Elétrica e da Computação (EMC)