ÖzetçeEEG işaretlerinin beynin fonksiyonları hakkında çok miktarda bilgi içerdiği bilinmektedir. Epilepsi teşhisinde EEG en önemli bilgi kaynağı olduğu için, birçok araştırmacı EEG işaretlerinden bu amaca uygun bilgi elde etmeye çalışmışlardır. Bu çalışmada sunulan yöntemde, önce EEG işaretlerine öz bağlanımlı (AR) uygulanarak güç spektrumu elde edilmiş, daha sonra elde edilen özellik vektörleri TBA, BBA ve DAA kullanılarak boyut indirgemesi yapılmış; elde edilen değerler destek vektör makinesi (DVM) ile sınıflandırılmaya tabi tutulmuş ve çıkışta epileptik veya değil şeklinde sınıflandırma gerçekleştirilmiştir. Đşaretteki özelliklerin belirlenerek hekime sara tanısında yardımcı olacak, otomatik bir sistem elde edilmesi amaçlanmıştır. DVM ile yapılan EEG sınıflandırmasında DAA'nın daha iyi sonuçlar verdiği ve bu sonuçların hastalık teşhisinde kullanılabileceği görülmüştür.Anahtar Kelimeler: EEG, Epilepsi, AR, TBA; BBA; DAA;Destek vektör makinesi (DVM). AbstractSince EEG is one of the most important sources of information in diagnosis of epilepsy, several researchers tried to address the issue of decision support for such a data. We present a method for classifying epilepsy of full spectrum EEG recordings. In the proposed method, autoregressive (AR) model is used to acquire power spectrum of EEG signals, then dimension of the extracted feature vectors is reduced by using ICA, PCA and LDA, and these vectors used as an input to a support vector machine (SVM) with two discrete outputs: epileptic seizure or not. By identifying features in the signal we want to provide an automatic system that will support a physician in the diagnosing process. It is observed that, SVM classification of EEG signals gives better results and these results can also be used for diagnosis of diseases.