Karma yapılı ikili karar ağacı tabanlı koku tanıma sistemi
A hybrid binary decision tree based odor recognition system
- Tez No: 335047
- Danışmanlar: YRD. DOÇ. DR. AYTEN ATASOY
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Elektronik burun işaret analizi, Öznitelik çıkarma, Öznitelik seçme, Sınıflandırma, k-EYK, DAA, DVM, Bayes Sınıflandırma, İkili karar ağacı yapısı, Signal processing for electronic nose, Feature extraction, Feature selection, Classification, k-NN, LDA, SVM, Bayes classifier, Binary decision tree structure
- Yıl: 2013
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 201
Özet
Çalışma kapsamında elektronik burun ile koku tanıma sistemlerinin sorunları irdelenmekte ve bu sorunlara çözüm getirecek şekilde yeni hibrit yöntemler önerilmektedir. Tezde 4 farklı veri tabanı kullanılmaktadır. Bunlardan biri hazır veri tabanı iken, diğerleri tez kapsamında oluşturulan elektronik burundan elde edilen veri tabanlarıdır. Bu 4 veri tabanı sırasıyla n-butanol gazının farklı konsantrasyon değerlerinden, 11 birbirinden farklı kokudan, istavrit balığının farklı günlerine ait kokularından ve 3 farklı balık (istavrit, hamsi ve mezgit) kokularından oluşmaktadır. Elektronik burunda kullanılan sensörlerin en büyük problemi olan sensör kaymalarına çözüm önerilmektedir. Önerilen yöntem, uygulanan örnek kokular için elde edilen sensör işaretlerinden, ortam kokusu için elde edilen sensör işaretini çıkartarak elde edilen fark işaretini örüntü tanıma birimine uygulamaktır. Literatürden farklı olarak yapılan bu işaret ön işleme; sensör kaymalarını 3 veri tabanı için de azaltmaktadır. Buna ilaveten farklı öznitelik çıkarma yöntemleri kıyaslanmaktadır. Sensör verisi için sınıflandırma performansını en fazla arttıran yöntem alt örnekleme yöntemi olarak belirlenmiştir. Sınıflandırma birimi için ise öznitelik seçme işlemini yapısında bulunduran, literatürden farklı olan ikili karar ağacı tabanlı bir yöntem önerilmiştir. İkili karar ağacı tabanlı yöntem problemi parçalara ayırmaktadır. Her bir parçanın sınıflandırmasında o veriyi en iyi sınıflandıracak öznitelikler çıkartılan öznitelikler arasından ve en iyi sınıflandırma yöntemi Destek Vektör Makinaları, k-En Yakın Komşuluk, Doğrusal Ayırma Analiz ve Bayes sınıflandırma yöntemleri arasından seçilmektedir. Önerilen yöntem tüm veri tabanlarına uygulandığında sınıflandırma performansını arttırmaktadır.
Özet (Çeviri)
In the context of the study, the electronic nose and the problems that exist in the odor recognition systems are studied and solutions to those problems with novel hybrid methods are proposed. In this thesis, four different databases are used. While one of them is a database from literature, the other three databases are produced by the electronic nose which is built during the thesis. These four databases consist of, different concentration values of n-butanes, 11 different odors, odors of horse mackerel in different days and three different fish (horse mackerel, anchovy and whiting) odors, respectively. A solution to the sensor drift which is the main problem in electronic nose is proposed. The proposed method is to apply the difference signal which is obtained by subtracting the sensor signal of the atmospheric (environment) odor from the sensor signals which are obtained by the applied sample odors. This preprocessing which is different from the literature is decreasing the sensor aliasing for all three databases. In addition, different feature extraction methods are compared. For the sensor data, the sub-sampling method is found to be the method which gets maximum classification performance. For the classification, apart from the literature, a new method which is based on the binary decision tree is proposed. This binary decision tree divides the problem into pieces. In the classification of every piece, the best features are chosen from the extracted features and the best classification method is chosen from the applied Support Vector Machines, k-Nearest Distance, Linear Discriminant Analysis and Bayesian classification methods. The proposed method increases the classification performance when applied to all databases.
Benzer Tezler
- Psychological contract in the context of employee voice: A multi-level approach in terms of workplace, supervisor intention, and treatment
İş gören sesliliği bağlamında psikolojik sözleşme: İş ortamının, yönetici niyet ve davranışının çok katmanlı olarak ele alınması
SİBEL ÇALIŞKAN
Doktora
İngilizce
2021
Psikolojiİstanbul Bilgi ÜniversitesiOrganizasyon Çalışmaları Ana Bilim Dalı
PROF. DR. GONCA GÜNAY
- Investigating risk assessment and role of safety concerns in autonomous vehicle
Otonom araçlarda risk değerlendirmesi ve güvenlik kaygılarının modellenmesi
GÖZDE BAKİOĞLU DOĞANYILMAZ
Doktora
İngilizce
2022
Ulaşımİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ OSMAN ATAHAN
- An evaluation and selection framework for developing logistics centre location decision
Lojistik merkez yeri kararı geliştirmek için bir değerlendirme ve seçim yapısı
RIZA GÜRHAN KORKUT
Doktora
İngilizce
2022
Endüstri ve Endüstri MühendisliğiPiri Reis ÜniversitesiDeniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı
PROF. DR. SÜLEYMAN ÖZKAYNAK
- Interregional Relations: Perspectives on the Summit of South American-Arab Countries 'New' patterns of engagement
Bölgelerarasi ilişkiler: Güney Amerika - Arap Ülkeleri zirvesindeki 'Yeni' angajman yapısı perspektifleri
MARSHA MARİE HALL
Yüksek Lisans
İngilizce
2015
Uluslararası İlişkilerOrta Doğu Teknik ÜniversitesiOrtadoğu Araştırmaları Ana Bilim Dalı
PROF. DR. MELİHA BENLİ ALTUNIŞIK
DOÇ. DR. DERYA GÖÇER AKDER
- Liman kimliğinin kruvaziyer turizmi üzerindeki etkileri ve limanlara kimlik kazandırılması
The effects of port identity on cruise tourism and gaining an identity for ports
ŞEYMA BAYAZIT
Doktora
Türkçe
2018
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
DOÇ. DR. LEVENT KIRVAL