Örüntü tanımada altuzay metriklerinin birleştirilmesi
Combining with the subspace metrics on pattern recognition
- Tez No: 177224
- Danışmanlar: PROF. DR. ATALAY BARKANA
- Tez Türü: Doktora
- Konular: Bilim ve Teknoloji, Elektrik ve Elektronik Mühendisliği, Science and Technology, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2008
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 69
Özet
Sınıflandırıcı birleştirmedeki amaç örüntü tanımada daha iyi başarımlar eldeetmektir. Örüntü sınıflamada, sınıf içi ve sınıflar arası dağılımları birliktekullanılmasının sınıflandırma başarımını arttırması beklenmektedir. Bu çalışmada, ikisınıfproblemi için sınıf içi ve sınıflar arası dağılımdan elde edilen ölçütleri bir yapaysinir ağı mimarisi ile birleştiren yeni bir sınıflandırıcı geliştirilmiştir. Deneyselçalışmada, yapay veriler, MNIST, TIMIT ve IRIS veri tabanları kullanılmıştır.Geliştirilen sınıflandırıcı iki-sınıf problemi göz önüne alınarak bu veri kümelerinde testedilmiş ve diğer alt uzay yöntemleri ve çoklu sınıflayıcılarla karşılaştırılmıştır. Doğrutanıma yüzde başarısı olarak; yapay veriler için % 90, MNIST veri tabanı için %91.5,TIMIT veri tabanı için %50.88, IRIS veri tabanı için %92.91 sonuçları elde edilmiştir.Elde edilen sonuçlar değerlendirildiğinde geliştirilen sınıflandıcı birleştirmeyönteminin, yapay veri üzerinde diğer altuzay ölçütlerine göre daha başarılı olduğugörülmüştür. MNIST veri tabanında daha iyi sonuçlar alınamamıştır. TIMIT ve IRISveri tabanlarında, sınıflandırma sonuçlarından beklenen iyileştirme elde edilememiştir.Bunun nedeni kullanılan sınıflar-arası ölçütün sınıflamaya çok fazla katkısınınolmamasıdır. Yapay veriler üzerinden elde edilen sonuçlar, önerilen sınıflandırıcınıngeliştirilerek gerçek sınıflandırma problemlerinde kullanılabileceğini göstermektedir.
Özet (Çeviri)
The purpose of classifier combination is to achieve better recognition rates inpattern recognition. It is expected that successful classifiers are achieved BM usingwithin class and between class distributions in pattern recognition. In this thesis, a newclassifier is developed, which is used BM combining metrics that are obtained fromwithin_Class and between_Class distributions BM using neural network architecture.In the experimental the work, the artifical data, MNIST, TIMIT and IRIS data base wereused for two class problem. The performance of the combined classifier was tested onthese database and compared with the other subspace methods and the other multipleclassifiers. The performance of the new combined classifier are 90 % and 85 % forartifical data, 91.5 % for MNIST database, 50.88 % for TIMIT database, 92.91 % forIRIS database. When the obtained results are examined, it is observed that thedeveloped combined method on the artifical data is much more succesfull then the othersubspace metrics. However better results could?nt obtained on MNIST database. Inmany cases, it is observed that the developed method on TIMIT and IRIS databases givebetter results. In combined method, the usage of between class metric must be rewieved.
Benzer Tezler
- New subspace approaches in pattern recognition
Örüntü tanımada yeni altuzay yaklaşımları
MEHMET KOÇ
Doktora
İngilizce
2012
Elektrik ve Elektronik MühendisliğiAnadolu ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ATALAY BARKANA
- Towards finding optimal mixture of subspaces for data classification
Veri sınıflama için en iyi altuzay karışımlarının bulunmasına doğru
MOHAMED ELHAFIZ MUSTAFA MUSA
Doktora
İngilizce
2003
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. VOLKAN ATALAY
- Sınıf içi ve sınıflar arası dağılımlardan elde edilen ölçütlerin birleştirilerek fonem tanımada kullanılması
Combining criteria obtained from within and between class scatters for phoneme recognition
MEHMET KOÇ
Yüksek Lisans
Türkçe
2006
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. RİFAT EDİZKAN
- Örüntü tanımada ortak vektör yaklaşımının kullanılması
Usage of common vector approach in pattern recognition
ONUR DEMİRKAYA
Yüksek Lisans
Türkçe
2004
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ.DR. BİLGİNER GÜLMEZOĞLU
- Toward the frontiers of stacked generalization architecture for learning
Öğrenme için yığılmış genelleme mimarisinin sınırlarına doğru
CÜNEYT MERTAYAK
Yüksek Lisans
İngilizce
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FATOS TÜNAY YARMAN VURAL