El yazısı karakter tanıma: Dalgacık moment özniteliklerinin yenilenen ANFIS ile sınıflandırılması
Handwritten character recognition: Classification of the wavelet moment features using modified ANFIS
- Tez No: 168094
- Danışmanlar: Y.DOÇ.DR. RİFAT EDİZKAN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Örüntü tanıma, uyarlanır sinir-bulanık çıkarım sistemi(ANFIS), sinir-bulanık sınıflayıcı, el yazısı karakter tanıma, dalgacık ve yaklaşım momentleri, genişletilmiş Kalman yumuşatıcısı ile eğitim, ölçeklenmiş eşlenik eğimi ile eğitim
- Yıl: 2005
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 176
Özet
Özet Bu tez çalışmasının amacı, el yazısı karakterlerin özniteliklerini sinir-bulanık sınırlayıcılar ve uyarlanır sinir-bulanık çıkarım sistemi(ANFîS) ile sınıflandırılmaktır. Bu amaçla, el yazısı karakterlerden momentler çıkartılır. Zernike, Fourier-Meilin ve dalgacık gibi momentlerin değerleri yer değiştirme, ölçekleme ve dönme gibi durumlarda değişmezler. Bu nedenle, momentler optik karakter tanımada genellikle ayırt edici öznitelikler olarak kullanılır. Bu momentler, sadece radyal eksende tanımlıdırlar ve açı momentleri ise dönmeye karşı sabitliği sağlamak için ihmal edilir. Açı momenti önemli bir ayırt edici özniteliktir ve ihmal edilmesi el yazısı karakter tanıma oranlarını düşürebilir. Bu nedenle yaklaşım momentleri, dalgacık analizindeki ölçekleme fonksiyonları kullanılarak radyal ve açısal eksende tanımlanmıştır. Bu moment, dönmedeki değişimden dolayı yan-değişmez moment olarak isimlendirilir. Bu çalışmada, sinir-bulanık sistemler üzerinde geliştirmeler yapıldı. Bunlardan ilki, ikinci dereceden bilgiler kullanarak ANFIS'e yeni eğitim yöntemlerini uygulamaktır. Özgün ANFIS'in eğitim yöntemleri, büyük ölçekli problemler için çok yavaştır. Ayrıca bu yöntemler, birinci-derece türev kullandıklarından etkili çözümler üretemezler. Bu yüzden, ölçeklenmiş eşlenik eğimi ANFIS eğitimini hızlandırmak için kullanıldı. Klasik eğitim yöntemlerinden daha iyi çözümler üretmek içinse genişletilmiş Kalman yumuşatıcı kullanıldı. Sinir-bulanık sistemlerindeki ikinci geliştirme ANFIS yapısının değiştirilmesidir. Yeni yapıda, giriş ve çıkış katmanında ağırlıklar kullanıldı. Bu ağırlıklar, eğri uydurma ve örüntü sınıflama gibi farklı problemlerde daha tatmin edici çözümler elde etmek için gereklidir. Bu geliştirme ANFIS için hızlı yakınsamayı sağlar. Bu tezdeki bir başka geliştirme ise, ölçeklenmiş eşlenik eğim yönteminin hızlandırılmasıdır. Bu hızlanma, her özyinelemedeki iki adet birinci-derece türevlerden birinin en küçük kareler tahmin yöntemi ile tahmin edilmesiyle basardır. Türev tahmini büyük ölçekli problemlerde kullanılan ölçeklenmiş eşlenik eğim yönteminiVI hızlandırmaktadır. Bu çalışmada, bu yeni eğitim yönteminin eğitimi hızlandırmadaki başarısını göstermek için, yöntem sinir-bulanık sistemlere uygulanmıştır. Son geliştirmede ise bulanık kurallar sadece“VE”bağlacı ile değil“VEYA”bağlacı ile de bağlanmaktadır. Bu iki bağlaçtan birini seçmek için, bulanık üyelik fonksiyonlarının kuvveti alınır. Öyle ki, eğer kuvvet değeri l'e yakınsa“VE”bağlacı; eğer kuvvet değeri O'a yakınsa“VEYA”bağlacı kullanılır. Bu işlem, yanlış sınıflama olasılığını azaltmak için kullanılan öznitelik seçim işlemidir. Son olarak, MNIST veri tabanından alman el yazısı rakam karakterleri sınırlanmıştır. Momentlerle çıkarılan farklı öznitelikler klasik sinir-bulanık sistemler ve geliştirilmiş sinir-bulanık sistemlerle sınıflanmış ve elde edilen sınıflama oranları karşılaştırılmıştır. Ayrıca ANFIS'e yapılan diğer geliştirmelerin etkileri eğri uydurma ve sınıflama problemleri ile değerlendirilmiştir.
Özet (Çeviri)
Vîl Summary The aim of this thesis is to classify the features of handwritten characters using the neuro-fuzzy classifier and the adaptive neuro-fuzzy inference system (ANFIS). For this purpose, the moments are extracted from the handwritten characters. The moments like Zernike, Fourier-Meilin or wavelets are invariant to the conditions such as displacement, scaling and rotation. Therefore, they are generally used as discriminative features in the optical character recognition. These moments are only defined on the radial axis, and the phase moments are ignored for the rotation invariance. The phase moments are important discriminative features that neglecting them can reduce recognition rate of the handwritten characters. Therefore, the approximation moment is defined on the radial and the phase axes together using the scaling function of wavelet analysis. This moment can be called as the semi-invariant moment because it is not invariant to rotation. In this study, we made improvements on the neuro-fuzzy systems. First of them is to use the new training methods that use the second-order knowledge. The original training methods of ANFIS are too slow especially for large-scale problems. These methods also do not produce effective solutions since they only use first-order derivative. Therefore, the scaled conjugate gradient is used to speed up the training process of the ANFIS. We used the extended Kalman smoother to get better solutions than the classical training methods. The second improvement on the neuro-fuzzy systems is the modification of the structure of the ANFIS. In the new structure we used weights at input and at output layers. These weights are required for getting more satisfactory solutions for different problems, such as curve fitting and pattern classification. This improvement provides fast convergence for the ANFIS. The other.improvement in this study is to accelerate the scaled conjugate gradient method. This acceleration is accomplished by estimating one of two first-order derivatives per iteration using the least square estimation method. The estimation of theÖzet Bu tez çalışmasının amacı, el yazısı karakterlerin özniteliklerini sinir-bulanık sınırlayıcılar ve uyarlanır sinir-bulanık çıkarım sistemi(ANFîS) ile sınıflandırılmaktır. Bu amaçla, el yazısı karakterlerden momentler çıkartılır. Zernike, Fourier-Meilin ve dalgacık gibi momentlerin değerleri yer değiştirme, ölçekleme ve dönme gibi durumlarda değişmezler. Bu nedenle, momentler optik karakter tanımada genellikle ayırt edici öznitelikler olarak kullanılır. Bu momentler, sadece radyal eksende tanımlıdırlar ve açı momentleri ise dönmeye karşı sabitliği sağlamak için ihmal edilir. Açı momenti önemli bir ayırt edici özniteliktir ve ihmal edilmesi el yazısı karakter tanıma oranlarını düşürebilir. Bu nedenle yaklaşım momentleri, dalgacık analizindeki ölçekleme fonksiyonları kullanılarak radyal ve açısal eksende tanımlanmıştır. Bu moment, dönmedeki değişimden dolayı yan-değişmez moment olarak isimlendirilir. Bu çalışmada, sinir-bulanık sistemler üzerinde geliştirmeler yapıldı. Bunlardan ilki, ikinci dereceden bilgiler kullanarak ANFIS'e yeni eğitim yöntemlerini uygulamaktır. Özgün ANFIS'in eğitim yöntemleri, büyük ölçekli problemler için çok yavaştır. Ayrıca bu yöntemler, birinci-derece türev kullandıklarından etkili çözümler üretemezler. Bu yüzden, ölçekienmiş eşlenik eğimi ANFIS eğitimini hızlandırmak için kullanıldı. Klasik eğitim yöntemlerinden daha iyi çözümler üretmek içinse genişletilmiş Kalman yumuşatıcı kullanıldı. Sinir-bulanık sistemlerindeki ikinci geliştirme ANFIS yapısının değiştirilmesidir. Yeni yapıda, giriş ve çıkış katmanında ağırlıklar kullanıldı. Bu ağırlıklar, eğri uydurma ve örüntü sınıflama gibi farklı problemlerde daha tatmin edici çözümler elde etmek için gereklidir. Bu geliştirme ANFIS için hızlı yakınsamayı sağlar. Bu tezdeki bir başka geliştirme ise, ölçekienmiş eşlenik eğim yönteminin hızlandırılmasıdır. Bu hızlanma, her özyinelemedeki iki adet birinci-derece türevlerden birinin en küçük kareler tahmin yöntemi ile tahmin edilmesiyle basardır. Türev tahmini büyük ölçekli problemlerde kullanılan ölçekienmiş eşlenik eğim yöntemini
Benzer Tezler
- Paralel programlama ile el yazısı rakamlarının tanınması
Handwritten digits recognition with parallel programming
ALİ GÜNEŞ
Yüksek Lisans
Türkçe
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUNCAY YİĞİT
- El yazısı karakter tanıma ve resim sınıflandırmada derin öğrenme yaklaşımları
Deep learning approaches in handwritting character recognition and image classification
AOUDOU SALOUHOU
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BERNA KİRAZ
- Derin öğrenme yöntemleri ile Türkçe el yazısı tanıma
Turkish handwriting recognition with deep learning methods
ALPEREN UZUN
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ÖZTÜRK
- Transfer derin öğrenme ile hibrit el yazısı karakter tanıma
Hybrid handwriting character recognition with transfer deep learning
FERİT CAN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMilli Savunma ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ATINÇ YILMAZ
- Handwritten text recognition using deep learning
Derin öğrenme ile el yazısı metin tanıma
USAMA MUNIR
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ÖZTÜRK