El yazısı karakterlerinin kapalı cebirsel eğrilerle modellenmesi ve sınıflandırılması
Handwriting character modeling with implicit curves and classification
- Tez No: 318130
- Danışmanlar: DOÇ. DR. BAYRAM CETİŞLİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: Türkçe
- Üniversite: Süleyman Demirel Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 68
Özet
Bu çalışmada el yazısı karakterlerinin uygun cebirsel eğriler ile modellenip denklem şeklinde ifade edilmesi ve elde edilen denklemin kuvvet ve katsayıları kullanılarak karakterlerin sınıflandırılması amaçlanmıştır. Bu sebeple çalışmada çeşitli eğri uydurma yöntemleri ele alınmıştır. Bunlar arasında hız ve başarı oranı göz önünde tutulduğunda kapalı cebirsel eğrilerle modellemenin diğer yöntemlere göre daha ön plana çıktığı görülmüştür. Sınıflandırma işlemi için el yazısı rakamların sekizinci dereceden cebirsel denklemleri elde edilerek denklem katsayıları öznitelik olarak kullanılmıştır. Elde edilen katsayıların değişmez olabilmesi için sadece ölçekleme ve ötelemeye göre normalizasyonu yapılmıştır. Ayrıca dilsel kuvvetli sinir bulanık sınıflayıcı ile öznitelik seçimi yapılmıştır. Çalışmada MNIST el yazısı rakam veri tabanının tamamı ve belli bir kısmı kullanılarak Bayes ve yapay sinir ağları ile önerilen yöntemin tanıma başarısı ölçülmüştür. Çalışmada elde edilen %92.87 değerindeki tanıma oranı umut vaat edip yöntemin geliştirilerek her karakterin bir denklemle ifade edilebileceği açıktır. Böylece karakterleri görüntü biçiminde saklamak yerine katsayılarla saklayarak daha az bellek kullanımı sağlanabilir.Gelecekte, veri transferinde görüntü yerine transfer edilen katsayılarla veri iletim hızı arttırılabilir. Yeni ve daha verimli bir bilgi ya da görüntü sıkıştırma yöntemi, cebirsel eğri yöntemleri önerilebilir.
Özet (Çeviri)
In this study, the modeling of handwriting characters by using the appropriate algebraic curves were aimed, and expressed as an equation. Also, the coefficients and exponents of obtained equations were used for classification of handwritten digits. Therefore, a variety of curve fitting methods were tested in the study. When the speed and the success rate of methods were considered, it was observed that the process of modeling with implicit curves is better than other methods. Coefficients of the equation were used as attribute by obtaining eighth degree algebraic equations of the handwritten digits for the classification process. To be invariant, the normalization of the obtained coefficients was made according to only scaling and translation. Feature selection was also done with neuro-fuzzy classifier with linguistic hedges. In the study, the recognition rate of the method proposed with the Bayes and neural networks was measured by using entire and the certain part of MNIST database of handwritten digits. Recognition rate of 92.87 % was obtained, which in the study are promising, and it is clear that each character can be expressed with an equation by developing the method. By this way, the less memory using can be satisfied by storage of coefficients instead of the storage of image.In future, the speed of data transport can be accelerated by the using of coefficients in place of images. Also, a new and efficiently data or image compression method can be proposed with algebraic curves.
Benzer Tezler
- Asimetrik yapısal bir sistemin gecikmeye bağlı optimal titreşim kontrolü
Delay dependent optimal vibration control of an asymmetric structural system
MERVE TÜRKOĞLU
Yüksek Lisans
Türkçe
2016
Makine MühendisliğiYıldız Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HAKAN YAZICI
- Transforming feedback control systems on whiteboard into Matlab via a deep learning based intelligent system
Derin öğrenme tabanlı akıllı bir sistem ile beyaz tahtadaki geribeslemeli kontrol sistemlerinin Matlab ortamına aktarılması
DORUKHAN ERDEM
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR
- Makine öğrenme yöntemleri ile el yazısı karakterlerinin tanınması
Recognizing handwriting characters by machine learning methods
ÖZGE TUNCER
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. UĞUR YAVUZ
- Temel eğitimde öğretilen el yazısı karakterlerinin önemi ve bir el yazısı karakteri üzerine deneme
Başlık çevirisi yok
EROL DURGUT
Yüksek Lisans
Türkçe
1989
Güzel SanatlarHacettepe ÜniversitesiUygulamalı Sanatlar Ana Bilim Dalı
NAMIK K. SARIKAVAK
- Transfer derin öğrenme ile hibrit el yazısı karakter tanıma
Hybrid handwriting character recognition with transfer deep learning
FERİT CAN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMilli Savunma ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ATINÇ YILMAZ