Geri Dön

El yazısı karakterlerinin kapalı cebirsel eğrilerle modellenmesi ve sınıflandırılması

Handwriting character modeling with implicit curves and classification

  1. Tez No: 318130
  2. Yazar: İHSAN PENÇE
  3. Danışmanlar: DOÇ. DR. BAYRAM CETİŞLİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2012
  8. Dil: Türkçe
  9. Üniversite: Süleyman Demirel Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Asimetrik yapısal bir sistemin gecikmeye bağlı optimal titreşim kontrolü

    Delay dependent optimal vibration control of an asymmetric structural system

    MERVE TÜRKOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Makine MühendisliğiYıldız Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. HAKAN YAZICI

  2. 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

    İngilizce

    2020

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUFAN KUMBASAR

  3. Makine öğrenme yöntemleri ile el yazısı karakterlerinin tanınması

    Recognizing handwriting characters by machine learning methods

    ÖZGE TUNCER

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    PROF. DR. UĞUR YAVUZ

  4. Temel eğitimde öğretilen el yazısı karakterlerinin önemi ve bir el yazısı karakteri üzerine deneme

    Başlık çevirisi yok

    EROL DURGUT

    Yüksek Lisans

    Türkçe

    Türkçe

    1989

    Güzel SanatlarHacettepe Üniversitesi

    Uygulamalı Sanatlar Ana Bilim Dalı

    NAMIK K. SARIKAVAK

  5. Transfer derin öğrenme ile hibrit el yazısı karakter tanıma

    Hybrid handwriting character recognition with transfer deep learning

    FERİT CAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMilli Savunma Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ATINÇ YILMAZ