Geri Dön

Classification of forest areas by K Nearest Neighbor Method: Case study, Antalya

Orman alanlarının K En Yakın Komşu Metodu?yla sınıflandırılması: Örnek çalışma, Antalya

  1. Tez No: 176740
  2. Yazar: FERAY ÖZSAKABAŞI
  3. Danışmanlar: DOÇ. DR. ZUHAL AKYÜREK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
  6. Anahtar Kelimeler: K En Yakın Komşu Metodu, Sınıflandırma, Orman, Doğruluk Analizi, Antalya, K-nearest neighbor method (KNN), Classification, Forest, Accuracy Assessment, Antalya
  7. Yıl: 2008
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Jeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 116

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

  1. 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

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-Cerrahpaşa

    Çevre Mühendisliği Ana Bilim Dalı

    PROF. DR. HÜSEYİN KURTULUŞ ÖZCAN

    DR. PINAR CİHAN

  2. 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

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. İSMAİL SARITAŞ

  3. Farklı uyaran türlerinin EEG sinyalleri üzerinden analizi

    Analysis of different types of stimulus through EEG signals

    MÜGE DOLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Mühendislik BilimleriErciyes Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ŞERİFE GENGEÇ BENLİ

  4. Hakem atama otomasyonu için bir karar destek sistemi: Doğal dil işleme ve veri-güdümlü optimizasyon ile bütünleşik bir yaklaşım

    A decision support system for reviewer assignment automation: An integrated approach with natural language processing and data-driven optimization

    MELTEM AKSOY

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEDA YANIK ÖZBAY

    PROF. DR. MEHMET FATİH AMASYALI

  5. Determination of spatial distributions of greenhouses using satellite images and object-based image analysis approach

    Nesne tabanlı sınıflandırma yaklaşımı ve uydu görüntüleri kullanılarak seraların mekansal dağılımının belirlenmesi

    GİZEM ŞENEL

    Doktora

    İngilizce

    İngilizce

    2023

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. ÇİĞDEM GÖKSEL

    PROF. DR. MANUEL ANGEL AGUILAR TORRES