Feature extraction and selection for classification of air planes
Başlık çevirisi mevcut değil.
- Tez No: 29697
- Danışmanlar: DOÇ. DR. EMİN ANARIM, DOÇ. DR. ÖMER CERİD
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Uçak Mühendisliği, Electrical and Electronics Engineering, Aircraft Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 1993
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 88
Özet
Bu çalışmada, uçakların sınıflandırılmaları için çeşitli nitelik çıkarımı yöntemleri ile çıkarılan niteliklerin başarımları araştırılmıştır. Çevre çıkarımı ve çevre doldurumu için ikişer değişik yöntem denenerek zaman ve bellek karmaşıklığına göre karşılaştırılmışım Başarımları incelenen nitelikler arasında geometrik nitelikler, moment tabanlı nitelikler, çevre ve izdüşüm için moment değişmezleri ve kapalı çevre için Fourier tanımlayıcıları bulunmaktadır. Niteliklerin başarı ölçütü olarak, dönme, kayma, ve küçülme gibi iki boyutlu dönüşümler sonucundaki değişimleri kullanılmıştır. Sınıflandırma için çıkarılan nitelik vektörünün boyutunu azaltmada kullanılan nitelik seçimi yöntemi bilişim kuram tabanlı yaklaşımdır. Farklı boyutlu nitelik kümelerinin başarımı, değişik uçak modelleri kullanılarak hazırlanmış üç boyutlu bir tensör üzerinde dönme uygulanarak oluşturulan bir örnek kümesi ile denemiştir. Üç boyut durumunda, tanıma olasılığını artırmak için alt-sınıflar kullanma yöntemi önerilmiş ve sonuçlar alt-sınıflar kullanılmadan bulunanlar ile karşılaştırılmıştır. Farklı boyutlara sahip en iyi nitelik kümeleri verilmiştir.
Özet (Çeviri)
In this thesis, several feature extraction methods and the performance of extracted features necessary for classification of airplanes are investigated. Two different algorithms for both boundary extraction and boundary filling were implemented and compared with respect to time and memory complexity. Among the features whose performance were examined in detail, there are geometric features, moment based features, moment invariant functions for the boundary and the silhouette, and the Fourier descriptors of the boundary curve. The performance criteria of the features are their variance under transformations in two dimensions like rotation, translation, and scaling. The feature selection technique used to reduce the dimensionality of the feature vector for classification is the information theoretic approach. The performance of feature sets having different dimensions are tested with a sample set formed using three dimensional rotations on a 3D tensor of three different planes. To increase the probability of detection in three dimensional case, the method of sub-classes is proposed and the results are compared with the ones where no sub-classes are used. The best feature sets with different dimensions are given.
Benzer Tezler
- Hiperspektral görüntülerde yarı güdümlü öğrenme teknikleri
Semi supervised learning techniques on hyperspectral images
MUHAMMET SAİD AYDEMİR
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN BİLGİN
- Sensor platform based on environmental sensing and data fusion
Çevresesel etmenleri algılayan sensör platformu ve verianalizi
MUHAMMAD ALI NAGARIA
Yüksek Lisans
İngilizce
2018
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜLYA YALÇIN
- Two channel EMG classification for transradial arm movements
Transradiyal kol hareketleri için iki kanal EMG sınıflandırması
OZAN UĞUR
Yüksek Lisans
İngilizce
2020
BiyomühendislikDokuz Eylül ÜniversitesiBiyomedikal Teknolojiler Ana Bilim Dalı
DOÇ. DR. AHMET ÖZKURT
- Gömülü sistemlerde sesli komut tanıma
Voice command recognation in embedded systems
CAN ÇETİN
Yüksek Lisans
Türkçe
2020
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA DOĞAN
- Evolutionary feature optimization for plant leaf disease detection by deep neural networks
Bitki yaprak hastalık teşhisi için derin sinir ağları ile evrimsel özellik optimizasyonu
JALAL SADOON HAMEED AL BAYATI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. BURAK BERK ÜSTÜNDAĞ