Görüntüleme
12
İndirme
1
Bu çalışmada hayati sinyallerin sınıflandırılması için Evrişimsel Sinir Ağları (ESA) ve füzyon teknolojine dayalı bir yöntem önerildi. Tek boyutlu radar sinyallerinden daha fazla bilgi edinmek amacıyla spektrogram tekniği ile 2 boyutlu veriler elde edildi. GoogleNet, VGG-16 ve ResNet-50 ön eğitimli ESA kullanılarak otomatik bir sınıflandırma çerçevesi uygulanmıştır. En yüksek performansa sahip VGG-16 ve GoogleNet ESA yapılarına geç füzyon işlemi uygulanarak test verilerindeki performans artırılmıştır. Önerilen yöntemin performans 92.54% Doğruluk (DOĞ), 92.41% Duyarlılık (DUY), 97.18% Özgüllük (ÖZG), 93.54% Hassasiyet (HAS), 92.66% F1-Skoru ve 90.25% Matthews Korelasyon Sabiti (MKS)’dir. Önerilen yöntem sayesinde tahribatsız algılama teknolojilerinden biri olan radar teknolojisi giyilebilir teknolojilere göre daha ön plana çıkmaktadır.
In this study, a method based on Convolutional Neural Networks (CNN) and fusion technology was proposed for the classification of vital signals. In order to obtain more information from 1-D radar signals, 2-D data were obtained with the spectrogram technique. An automated classification framework has been implemented by using pre-trained Google Net, VGG-16 and ResNet-50 models. The performance in the test data is increased by applying late fusion process to the highest performing VGG-16 and GoogleNet CNN structures. The performance of the proposed method is 92.54% Accuracy (ACC), 92.41% Sensitivity (SEN), 97.18% Specificity (SPE), 93.54% Precision (PRE), 92.66% F1-Score, and 90.25% Matthews Correlation Constant (MCC). Thanks to the proposed method, radar technology, which is one of the non-destructive detection technologies, comes to the forefront compared to wearable technologies
Alan : Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
