Classification of forest areas by K Nearest Neighbor Method: Case study, Antalya
Orman alanlarının K En Yakın Komşu Metodu?yla sınıflandırılması: Örnek çalışma, Antalya
- Tez No: 176740
- Danışmanlar: DOÇ. DR. ZUHAL AKYÜREK
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: K En Yakın Komşu Metodu, Sınıflandırma, Orman, Doğruluk Analizi, Antalya, K-nearest neighbor method (KNN), Classification, Forest, Accuracy Assessment, Antalya
- Yıl: 2008
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Jeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Orman alanlarını haritalandırmak amacıyla kullanılmakta olan farklı uzaktan algılama metodları arasında, K En Yakın Komşu (KNN) kontrollü sınıflandırma metodu, bazı ülkelerde orman envanterlerini oluşturmak için gittikçe daha popüler hale gelmektedir. Bu çalışmada, KNN algoritmasının orman/orman olmayan/su katmanlaşması için kullanılabilirliği değerlendirilmiştir. Çalışma alanı olarak Antalya seçilmiştir. Kullanılan veriler, sırasıyla 1987 ve 2002 yıllarına ait Landsat TM and Landsat ETM uydu görüntüleri, SRTM 90 metre sayısal yükseklik modeli (SYM) ve 2003 yılına ait arazi kullanımı verisinden oluşmaktadır. KNN algoritmasının farklı modifikasyonları, K-katlı çapraz doğrulamanın bir türü olan Leave One Out ve hata matrislerinin kullanıldığı bilinen doğruluk analizleri ile değerlendirilmiştir. En iyi parametreler, 4., 3. ve 2. bandları kullanırken, Euclidean uzaklık ölçümü, ters uzaklık ağırlıkları, ve k değeri 14'e eşit olarak bulunmuştur. Bu parametrelerle, çapraz doğrulama hatası 0.009174 ve toplamdaki doğruluk yaklaşık %86'dir. Sonuçlar, Maksimum Benzerlik sonuçlarıyla karşılaştırılmıştır. KNN sonuçlarının, orman alanlarının haritalandırılması için pratik uygulanabilirliğine yetecek kadar doğru olduğu görülmüştür.
Özet (Çeviri)
Among the various remote sensing methods that can be used to map forest areas, the K Nearest Neighbor (KNN) supervised classification method is becoming increasingly popular for creating forest inventories in some countries. In this study, the utility of the KNN algorithm is evaluated for forest/non-forest/water stratification. Antalya is selected as the study area. The data used are composed of Landsat TM and Landsat ETM satellite images, acquired in 1987 and 2002, respectively, SRTM 90 meters digital elevation model (DEM) and land use data from the year 2003. The accuracies of different modifications of the KNN algorithm are evaluated using Leave One Out, which is a special case of K-fold cross-validation, and traditional accuracy assessment using error matrices. The best parameters are found to be Euclidean distance metric, inverse distance weighting, and k equal to 14, while using bands 4, 3 and 2. With these parameters, the cross-validation error is 0.009174, and the overall accuracy is around 86%. The results are compared with those from the Maximum Likelihood algorithm. KNN results are found to be accurate enough for practical applicability of this method for mapping forest areas.
Benzer Tezler
- Dizel araçlarda ses analiz yöntemleri ve sürücü bilgi sistemi tasarımı ile motor arızası tespiti
Engine fault detection of diesel vehicles by sound analysis methods and driver information system design
ALI MARDAN HAMEED QUTUB
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL SARITAŞ
- Türkiye'de COVID-19 günlük vaka sayısının makine öğrenmesi algoritmaları ile tahmin edilmesi
Prediction COVID-19 cases per day with machine learning algorithms in Turkey
ERTÜRK SÜTCÜ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ PERİ GÜNEŞ
- Hava kalitesinin incelenmesi ve eğitilebilir algoritmalarda modellenmesinin araştırılması; Çerkezköy örneği
Investigation of air quality and modeling with training algorithms; a case study for Çerkezköy
HÜSEYİN ÖZEL
Doktora
Türkçe
2022
Çevre Mühendisliğiİstanbul Üniversitesi-CerrahpaşaÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN KURTULUŞ ÖZCAN
DR. PINAR CİHAN
- SYMPES yöntemiyle kanser hastalıklarında önemli genlerin saptanması ve kanser türlerinin sınıflandırılması
Detection of significant genes in cancer diseases and classification of cancer types by SYMPES method
ALİ SARIKAŞ
Doktora
Türkçe
2020
Genetikİstanbul Üniversitesi-CerrahpaşaBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. BEKİR SIDDIK BİNBOĞA YARMAN
DR. ZELİHA GÖRMEZ
- Evaluation and classification intrusion detection system for IoT networks by using different machine learning algorithm
Farklı makine öğrenme algoritması kullanarak IoT ağları için değerlendirme ve sınıflandırma saldırı tespit sistemi
QAYSSAR DHEYAA MOHSIN MOHSIN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OGUZ KARAN