<?xml version="1.0" encoding="UTF-8" ?><OAI-PMH xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/ http://www.openarchives.org/OAI/2.0/OAI-PMH.xsd"><responseDate>2026-11-22T13:58:50Z</responseDate><request metadataPrefix="oai_dc" verb="GetRecord" identifier="oai:10442/13005">https://phdtheses.ekt.gr/eadd_oai/request</request><GetRecord><record><header><identifier>oai:10442/13005</identifier><datestamp>2024-07-11T10:06:47Z</datestamp><setSpec>hdl_10442_2</setSpec></header><metadata><oai_dc:dc xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><dc:description xmlns:lang="en">In the present study the problem of developing an algorithm for the digital processing of an EEG was investigated for person identification purposes. According to this the the development of the following methodology is needed for; Research into the analysis of EEG signal in order to isolate those specific EEG segments that present stationary features. Experimental testing of many alternative digital - processing methods in order to isolate specific features from the aforementioned selected EEG segments. Classification of EEG segments according to the above features, using a different philosophy of classification method. statistical evaluation of the classification results in order to obtain sound conclusions concerning the reliability of the methods employed. The selection of the most efficient combination of feature  extraction and classification / identification results , where its lowest value was generally greater than 75% while the highest value in specific cases was verging on  95%. In coclusion, the application of the proposed method lays the foundations upon which, in the future, successful person identification via an individual's EEG features, using digital EEG processing, may be reliably achieved</dc:description><dc:description xmlns:lang="el">Στην παρούσα διατριβή ερευνήθηκε το πρόβλημα ανάπτυξης αλγορίθμων ψηφιακής επεξεργασίας του Ηλεκτροεγκεφαλογραφήματος με στόχο την ταυτοποίηση του ατόμου. Για την επίτευξη του αντικειμενικού σκοπού απιτήθηκε η ανάπτυξη της ακόλουθης μεθοδολογίας: Μελέτη και ανάλυση του σήματος του ΗΕΓ, με σκοπό να απομωνοθούν εκείνα τα τμήματα που παρουσιάζουν στάσιμες ιδιότητες. Πειραματική δοκιμή πολλών εναλλακτικών μεθόδων επεξεργασίας σήματος ώστε να εξαχθούν ιδιαίτερα χαρακτηριστικά απο τα προαναφερόμενα, επιλεγόμενα τμήματα Ηλεκτροεγκεφαλογραφηκού σήματος. Κατηγοριοποίηση των ΗΕΓφικών τμημάτων με βάση τα ανωτέρω χαρακτηριστικά , χρησιμοποιώντας διαφορετικής φιλοσοφίας μεθόδους κατηγοριοποίησης. Στατιστική αποτίμιση των αποτελεσμάτων της κατηγοριοποίησης λαμβάνοντας υπόψη α) τη στατιστική αποτίμηση των αποτελεσμάτων και β) την υπολογιστική πολυπλοκότητα των μεθόδων. Η πειραματική εφαρμογή των προαναφερόμενων μεθόδων απέφερε μια σημαντική και εμφανώς μη τυχαία συγκομιδή αποτελεσμάτων ορθής κατηγοριοποίησης  / ταυτοποίησης, που η χαμηλότερη τιμή τους υπερέβαινε σε γενικές γραμμές το 75%, ενώ η υψηλότερη τιμή άγγιξε σε ορισμένες περιπτώσεις το 95%. Συμπερασματικά η εφαρμογή των προτεινόμενων μεθόδων θέτει ένα θεμέλιο λίθο που στο μέλλον δύναται να αποτελέσει μια αξιόπιστη μέθοδο ταυτοποίησης του ατόμου σύμφωνα με ατομικά χαρακτηριστικά που απορρέουν απο την ψηφιακή επεξεργασία του ΗΕΓ.</dc:description><dc:title xmlns:lang="el">Αλγόριθμοι ψηφιακής επεξεργασίας ηλεκτροεγκεφαλογραφήματος με στόχο την ταυτοποίηση του ατόμου</dc:title><dc:title xmlns:lang="en">Algorithms for the digital processing of electroencephalogram for person identification purposes</dc:title><dc:creator xmlns:lang="en">Poulos, Marios</dc:creator><dc:creator xmlns:lang="el">Πούλος,  Μάριος</dc:creator><dc:date>2002</dc:date><dc:language>gre</dc:language><dc:subject xmlns:lang="el">Ατομική ταυτοποίηση</dc:subject><dc:subject xmlns:lang="el">Δίκτυα, Νευρωνικά</dc:subject><dc:subject xmlns:lang="el">Επεξεργασία σήματος</dc:subject><dc:subject xmlns:lang="el">Υπολογιστική γεωμετρία</dc:subject><dc:subject xmlns:lang="el">Αλγόριθμοι</dc:subject><dc:subject xmlns:lang="el">Ηλεκτροεγκεφαλογράφημα</dc:subject><dc:subject xmlns:lang="en">Person identification</dc:subject><dc:subject xmlns:lang="en">Signal processing</dc:subject><dc:subject xmlns:lang="en">Neuronic networks</dc:subject><dc:subject xmlns:lang="en">Computational geometry</dc:subject><dc:subject xmlns:lang="en">Algorithms</dc:subject><dc:subject xmlns:lang="en">Electroencephalogram (EEG)</dc:subject><dc:publisher xmlns:lang="en">University of Piraeus (UNIPI)</dc:publisher><dc:publisher xmlns:lang="el">Πανεπιστήμιο Πειραιώς</dc:publisher><dc:subject xmlns:lang="el">Φυσικές Επιστήμες</dc:subject><dc:subject xmlns:lang="el">Επιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική</dc:subject><dc:subject xmlns:lang="en">Natural Sciences</dc:subject><dc:subject xmlns:lang="en">Computer and Information Sciences</dc:subject><dc:fathernamelatin>S.</dc:fathernamelatin><dc:identifier>10.12681/eadd/13005</dc:identifier><dc:identifier>http://hdl.handle.net/10442/hedi/13005</dc:identifier><dc:type>PhD Thesis</dc:type></oai_dc:dc></metadata></record></GetRecord></OAI-PMH>