Análise da classificação de sinais eletro-oculográficos utilizando aprendizado de máquina
dc.contributor.advisor1 | Vieira, Sílvio Leão | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/1254102050392862 | pt_BR |
dc.contributor.referee1 | Vieira, Sílvio Leão | |
dc.contributor.referee2 | Alcala, Symone Gomes Soares | |
dc.contributor.referee3 | Calixta, Wesley Pacheco | |
dc.creator | Melo Júnior, Gilberto de | |
dc.creator.Lattes | http://lattes.cnpq.br/0719273961683501 | pt_BR |
dc.date.accessioned | 2021-04-26T12:27:05Z | |
dc.date.available | 2021-04-26T12:27:05Z | |
dc.date.issued | 2020-01-19 | |
dc.description.abstract | This 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.provenance | Submitted 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.provenance | Approved 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.provenance | Made 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: 2020-01-19 | en |
dc.description.resumo | Esse 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.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES | pt_BR |
dc.identifier.citation | MELO 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.uri | http://repositorio.bc.ufg.br/tede/handle/tede/11277 | |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal de Goiás | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | Escola de Engenharia Elétrica, Mecânica e de Computação - EMC (RG) | pt_BR |
dc.publisher.initials | UFG | pt_BR |
dc.publisher.program | Programa de Pós-graduação em Engenharia Elétrica e da Computação (EMC) | pt_BR |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Sinais eletro-oculográficos | por |
dc.subject | Aprendizado de máquina | por |
dc.subject | Sinais biomédicos | por |
dc.subject | Electrooculography signals | eng |
dc.subject | Machine learning | eng |
dc.subject | Biomedicals signals | eng |
dc.subject.cnpq | ENGENHARIAS::ENGENHARIA ELETRICA | pt_BR |
dc.title | Análise da classificação de sinais eletro-oculográficos utilizando aprendizado de máquina | pt_BR |
dc.title.alternative | Classification analysis of electrooculography signals using machine learning | eng |
dc.type | Dissertação | pt_BR |
Arquivos
Pacote Original
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:
Licença do Pacote
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- license.txt
- Tamanho:
- 1.71 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: