Elektrokardiyogram (EKG) sinyalleri hastalık teşhisi için yaygın olarak kullanılmaktadır. Ayrıca EKG sinyalleri insan tanımlaması için de kullanılabilir. Bu çalışmada, Tietze deseni ve komşuluk bileşeni analizi (NCA) tabanlı bir insan tanımlama yöntemi önerilmiştir. Modelimiz, hem istatistiksel hem de dokusal özellikleri çıkarmak için iki özellik oluşturma yöntemi kullanır. Tietze grafiğinin, sunulan yerel grafik yapısının (LGS) bir modelini oluşturduğu kabul edilir. Hem istatistiksel hem de dokusal özellik nesilleri, yüksek doğrulukta bir model sunmak için yeterli değildir. Bu nedenle çok seviyeli bir yapı oluşturulmalıdır. Ayrıştırıcı olarak ayarlanabilir Q faktörü dalgacık dönüşümü (TQWT) kullanılır. Her seviyede oluşturulan/çıkarılan özellikler birleştirilir ve birleştirilen özellikler NCA kullanılarak seçilir. Tahmin edilen değerleri elde etmek için sınıflandırma aşamasında seçilen öznitelikler üzerinde k-en yakın komşular (kNN) sınıflandırıcısı konuşlandırılır. Önerilen yöntem, ECGID ve MIT-BIH adlı iki EKG sinyal topluluğu üzerinde test edilmiştir. Model, kullanılan ECGID ve MIT-BIH veri setlerinde sırasıyla %99.12 ve %99.94 doğruluk elde etti.
Çalışmanın detayları Soft Computing adlı dergide yayınlanmıştır. Çalışmaya aşağıdaki bağlantılardan ulaşılabilir.
