Value of representation in pattern recognition
Örüntü tanımada gösterimin değeri
- Tez No: 112190
- Danışmanlar: DOÇ. DR. ETHEM ALPAYDIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2001
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 105
Özet
ÖZET ÖRÜNTÜ TANIMADA GÖSTERİMİN DEĞERİ Örüntü tanıma, bilgisayarın veriye bakarak durumları nasıl ayırt edebileceğini inceler. Bilgisayarın bu tanımayı öğrenmesi gerekir. Öğrenme eksik tanımlanmış bir problem olduğu için, en iyi ve tek bir çözüm yoktur. Aynı problem için farklı öğreniciler farklı sonuçlar verebilir ve daha iyi başarımlar elde etmek için bunlar birleştirilebilir. Öğreniciler birleştirilirken genellikle sadece doğruluk göz önüne alınır ve maliyet ihmal edilir. Gerçek hayatta ise, kullanmadan önce öznitelik vektörlerinin çıkarılması gerekir ve bunun bir maliyeti vardır. Doğruluk ve maliyet arasında bir dengenin sağlanması gerekir. Bu amaçla doğruluk ve maliyet ölçütlerini birleştirmek için yararlık kuramı kullanılabilir. Bu çalışmada, öğrenicileri birleştirirken yararlık ölçütünün kullanıldığı iki yeni al goritma öneriyoruz. İlk algoritma CORA, değişik gösterimleri kullanan tüm öğreniciler arasından en yüksek beklenen yararlığa sahip olanını seçer. Hesaba katılan doğruluk ve işleme masraflarıdır. Tüm gösterimlerin bilindiği, fakat zaman ve bellek sınırları olduğunda CORA kullanılabilir, ikinci algoritma DANAE net beklenen yararlığa bakarak yeni bir gösterimin çıkarılıp çıkarılmayacağına karar verir. Burada hesaba katılan doğruluk ve çıkarım masrafıdır. DANAE tüm gösterimlerin bilinmediği ve sadece kullanmaya değerse özniteliklerin çıkarılmasının istendiği durumlarda kullanılabilir. Bu tezde önerilen algoritmalar, sadece doğruluk ölçütünün kullanıldığı diğer bilinen al goritmalardan öznitelik çıkarma ve işleme masraflarının da gözönüne alınması açısından farklıdır ve yararlık açısından bilinen algoritmalara göre daha iyi başarımlar sağlamaktadır.
Özet (Çeviri)
ABSTRACT VALUE OF REPRESENTATION IN PATTERN RECOGNITION Pattern recognition studies how a computer can distinguish states from data. A computer should learn this identification. Since learning is an ill-posed problem, there is no optimal and unique solution. Different learners can give different results on the same problem, and these can be combined to obtain better performance. In combining learners, generally only accuracy is considered and costs are ignored. But in real life the feature vector of a sample should be extracted before it is used and this has a cost. Utility theory can be used to combine the two criteria, accuracy and cost. We propose two new algorithms for combining learners where utility is consid ered. In the first proposed algorithm, CORA, the learner which has the maximum expected utility is chosen among all available learners each of which is associated with a different representation. We consider accuracy and the processing costs. CORA can be used where all representations are known, but there are some time and space re strictions. The second proposed algorithm, DANAE, decides to extract an additional representation or not, by looking at the net expected value of extraction. We consider accuracy and the extracting costs. This algorithm can be used where we do not know all representations, and want to extract new features only if they are worth to using. The algorithms proposed in this thesis differ from the existing algorithms which use only accuracy in measuring the performance and give better performance in terms of utility compared to the existing ones.
Benzer Tezler
- Elmalı ve Alibey su havzalarının uydu görüntü verileriyle izlenmesi ve bilgi sistemi oluşturma olanakları
Başlık çevirisi yok
ÇİĞDEM GÖKSEL
- Sınır çizgilerini uyuşturma yöntemi ile yerleştirme
Part nesting using contour matching
İBRAHİM SOĞUKPINAR
Doktora
Türkçe
1995
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiPROF.DR. EŞREF ADALI
- Seyrek işaret işlemede sınıflandırma uygulamaları ve çekirdek tabanlı yaklaşımlar
Classification applications of sparse signal processing and kernel based methods
ABDURRAHMAN YEŞİLOĞLU
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. ENDER METE EKŞİOĞLU
- Improved algorithms for linear discriminant analysis
Doğrusal diskriminant analizi için iyileştirme algoritmaları
CANER GÜLLÜOĞLU
Yüksek Lisans
İngilizce
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TURGAY TEMEL
- Dempster-Shafer teorisinin değerlendirme problemine uygulanması
Application of Dempster-Shafer theory to an evaluation problem
NECİBE DENİZ