Örüntü tanıma uygulamalarında alt uzay analiziyle öznitelik seçimi ve sınıflandırma
Feature selection and classification by subspace analysis in pattern recognition applications
- Tez No: 178927
- Danışmanlar: YRD. DOÇ. DR. RİFAT EDİZKAN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, 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: 112
Özet
Bu tez çalışmasında, örüntü tanımanın üç temel öğesi olan öznitelik çıkarımı, öznitelik seçimi ve sınıflandırma konuları üzerinde durulmuştur.Öznitelik çıkarımı konusunda, ses ve konuşma sinyalleri için Fourier dönüşümüne alternatif olabilecek dalgacık dönüşümü temelli bir öznitelik çıkarım yöntemi önerilmektedir. Farklı karakteristikteki ses sinyallerini içeren veritabanları üzerinde yapılan deneylerde, dalgacık özniteliklerinin Fourier özniteliklerine göre, özellikle durağan olmayan ve ani frekans değişimleri içeren sinyalleri daha iyi temsil ettiği gözlenmiştir.Öznitelik seçimi konusunda, özniteliklerin bireysel ayırdedicilik derecelerini belirleyen altuzay temelli iki yeni ayrılabilirlik ölçüsü geliştirilmiştir. Bu ölçüler daha sonra çok sınıflı örüntü tanıma problemlerinde öznitelik seçimi amacıyla kullanılmıştır. Farklı sayı ve yapıda özniteliği barındıran veritabanları üzerinde yapılan deneyler, altuzay temelli ölçülerle yapılan öznitelik seçiminin, uzaksaklık ve Bhattacharyya gibi klasik ayrılabilirlik ölçüleriyle yapılan seçime göre gerek sınıflandırma hassasiyeti gerekse boyut indirgeme açısından daha başarılı olduğunu ortaya koymuştur.Sınıflandırma konusunda genetik algoritma temelli yeni bir altuzay sınıflandırıcı geliştirilmiştir. Yeni sınıflandırıcı hem sınıf-içi hem de sınıflar-arası ilişkileri değerlendirmekte; ayrıca, klasik altuzay sınıflandırıcıların aksine altuzay izdüşümü için gerek büyük gerekse küçük özdeğerlere karşılık gelen özyönleri birlikte kullanabilmektedir. Çeşitli veritabanları üzerinde yapılan deneylerde, genetik altuzay sınıflandırıcı klasik altuzay yöntemlerine göre bu özelliği ile öne çıkarak karşılaştırılabilir ya da daha yüksek bir sınıflandırma başarımı sağlamıştır.
Özet (Çeviri)
In this thesis study, feature extraction, feature selection and classification subjects, which are the three fundamental topics of pattern recognition, are studied.In feature extraction, a wavelet transform based feature extraction method for sound and speech signals is proposed as alternative to classic Fourier transform. Experiments on several datasets containing signals with different characteristics indicate that the wavelet features represent signals better than the Fourier features in case of non-stationary structure and instantaneous frequency changes.In feature selection, two novel separability measures, which detect the individual discriminatory powers of the features, are developed. These measures are then employed for feature selection in multi-class pattern recognition problems. Experiments on several datasets with different characteristics and different number of features reveal that the subspace based feature selection is better than classic separability measures such as Divergence and Bhattacharyya in terms of both classification accuracy and dimension reduction.In classification, a genetic algorithm based subspace classifier is developed. New classifier evaluates both within-class and between-class relationships; moreover, it is capable of using the eigendirections corresponding to both large and small eigenvalues together for subspace projection unlike the classic subspace classifiers. Due to these properties, the genetic subspace classifier provides comparable or even better classification performance with respect to the classic subspace methods in the experiments that are carried out for different datasets.
Benzer Tezler
- Gizli Markov model ile bilgisayarda konuşma tanıma: Özellik uzayında ve altuzayda sınıflandırıcı tasarımı
Computer speech recognition: Design of a classifier in feature space and subspaces
RİFAT EDİZKAN
Doktora
Türkçe
1999
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ATALAY BARKANA
- Aircraft detection using deep learning
Derin öğrenme kullanarak hava aracı tespiti
UTKU MUTLU
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. SEDEF KENT PINAR
- Altuzay yöntemleri ile trafik işareti tanıma
Traffic sign recognition with subspace methods
MUSTAFA ÖZDAMAR
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RİFAT EDİZKAN
- Zararlı kokuları algılayıp internet üzerinden ileten elektronik burun tasarımı
Design of the electronic nose to detect harmful odors that transmits over the internet
NURGÜL SENYÜCEL
Doktora
Türkçe
2013
Elektrik ve Elektronik MühendisliğiTrakya ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HİLMİ KUŞÇU
- Çok seviyeli eşikleme ve arı algoritması yardımıyla renkli görüntülerin sınıflandırılması
Color image classification with multilevel thresholding and artificial bee colony algorithm
AHMET SELİM KAHRAMAN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. RECEP DEMİRCİ