Pattern recognition using Kohonen's self organizing feature map
Kohonen'in kendini düzenleyen nitelik haritaları kullanılarak örüntü tanıma
- Tez No: 12819
- Danışmanlar: PROF.DR. NEŞE YALABIK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: örüntü tanıma, nöron ağı, kendini düzenleyen
- Yıl: 1991
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 112
Özet
ÖZET KOHONEN'in KENDİNİ DÜZENLEYEN NİTELİK HARİTALARI KULLANILARAK ÖRÜNTÜ TANIMA Nazife Baykal Bilgisayar Mühendisliği Yüksek Lisans Tezi Tez Yöneticisi : Prof. Dr. Neşe Yalabık 112 Sayfa, Şubat 1991 Kohonen'in, kendini düzenleyen nitelik haritaları adı verilen yapay nöron ağ modeli kullanılarak yaz ı cı çı kt ı s ı karekter sınıflandırma işlemi gerçekleştirilmiştir. Latin alfabesinin benzer font ve farklı büyüklükteki 26 ayrı karekter in in, optik taranan ve say ı sall aşt ı r ıl an gösterimleri, öğrenme ve test örneği olarak kullanılmıştır. Kohonen'in nöron ağ modeli bu örnekler üzerinde önce öğretmensiz vektör örnekleyici olarak kullanılmış daha sonra ise öğrenme, dikdörtgen topolojisi ve“ Minimal spanning Tree ”ağaç yapısı kullanılarak gerçekleştirilmiştir. Say ı sal l aşt ı r ıl ış iki boyutlu nitelik haritasında, benzer karekterl er i n birbirine yakın yerlerde bulunduğu, farklı karekterl er i n ise haritada birbirlerinden uzaklaştıkları gözlenmiştir. Kohonen'in nitelik haritasında daha sonra ise, öğretmeni i öğrenme yöntemi olan“ Learning Vector Quantization ”test örneklerinin sınıflandırılması için kullanılmıştır. Sistem 80 test karekter inden %85 oranında doğru sınıflandırma yapmıştır.
Özet (Çeviri)
ABSTRACT PATTERN RECOGNITION USING KOHONEN'S SELF_ORGANIZING FEATURE MAP Nazife Bay kal Computer Engineering M.S. Thesis Supervisor : Prof. Dr. Neşe Yalabık 112 Pages, February 1991 A machine_printed character classification system is implemented by using an artificial neural network model, namely, Kohonen's Self_organizing Feature Map. Optically scanned and digitized representation of 2 6 different characters of the latin alphabet that are of different sizes and similar fonts are used as learning and test samples. Kohonen's neural network is first trained as a vector quantizer without any supervision. The learning process is performed by using both the rectangular topology and Minimal Spanning Tree algorithm. It is observed that similar characters are being mapped close to each other at the digitized two_dimensional output plane, whereas different characters are being mapped far from each other. Later, Learning Vector Quantization method as a supervised learning scheme for Kohonen's feature map is used for classification of test samples. Out of 80 test samples used 85 % are recognized correctly. Keywords : pattern recognition, neural network, self_organization Science code : 619.04.04 iii
Benzer Tezler
- Dinamik algılayıcı öğrenme algoritması ile kenar saptamanın öğrenilmesi
Learning of edge detection using recurrent perceptron learning algorithm
FİLİZ YOSMA TAŞKIN
Yüksek Lisans
Türkçe
1995
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. CÜNEYT GÜZELİŞ
- Intelligent sensing for robot mapping and simultaneous human localization and activity recognition
Robot haritalama ve insanlarda eşzamanlı konum belirleme ve aktivite ayırdetme için akıllı algılama
KEREM ALTUN
Doktora
İngilizce
2011
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
PROF. DR. BİLLUR BARSHAN
- Yapay sinir ağları ile doku sınıflandırma
Tissue classification using artificial neural networks
AYSU SEVEN
Yüksek Lisans
Türkçe
1993
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. ERTUĞRUL YAZGAN
- Object shape and hollowness identification by tactile sensing with a s-fingered robot hand
Cisim şekil ve boşluklarının 5-parmaklı bir robot el tarfından dokunma ile tanınması
TEOMAN PASİNLİOĞLU
Yüksek Lisans
İngilizce
1996
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. M. AYDAN ERKMEN
- Bulanık (Fuzzy) sınıflayıcılarla EKG şekil bozukluklarının belirlenmesi
Detection of ECG shape changes by using fuzzy classifiers
ZÜMRAY DOKUR