Comparison of Bayesian networks and Dempster-Shafer theory in attribute tracking systems
Nitelik takip sistemlerinde Bayes ağları ve Dempster-Shafer teorilerinin kıyaslaması
- Tez No: 338486
- Danışmanlar: PROF. DR. MUSTAFA KUZUOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, İstatistik, Electrical and Electronics Engineering, Statistics
- Anahtar Kelimeler: Hedef izleme algoritmaları, Target tracking algorithms
- Yıl: 2013
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüz askeri ve sivil havacılık sistemlerinde trafik kontrolü; gürültülü durumlarda bile hızlı, güvenilir ve sağlam kararlar alınması gereken en kritik kısımlardan biridir. Bilgisayar teknolojisinin gelişmesi ile birlikte, sistemler çok uzun işlemleri bile milisaniyeler seviyesinde gerçekleştirecek duruma gelmiştir. Bu tezde, hedef sınıflandırmasına ve hedefin herhangi bir elektronik karşı tedbir (ECM) kullanıp kullanmadığının belirlenmesine yönelik olarak olasılıksal modeller kullanılacaktır. Sonrasında, kullanılan farklı sistemlerin aynı şartlar altındaki performansları karşılaştırılacaktır. Bayes Ağları Kuramı ve Dempster-Shafer Kuramı, sınıflandırma ve nitelik takibi problemlerine uygulanabilir ve en çok bilinen iki yaklaşımdır. Bu sebeple, hedeflenen nitelik takibi ve belirleme senaryolarına uygulanmak üzere bahsi geçen yaklaşımlar seçilmiştir. Seçilen senaryolara bahsi geçen kuramların uygulanmasının ve sonuçların sunulmasının ardından, sistem performansını arttırmaya yönelik iyileştirmeler yapılmıştır. Bilgi sağlanan kaynağın kalitesi ve yapılan iyileştirmenin etkisi ile birlikte her iki yaklaşımın da genel bir kıyaslaması tez içinde sunulmaktadır.
Özet (Çeviri)
In modern civil and military avionic systems, traffic control constitutes one of the most critical parts that requires high-speed, reliable and robust decisions to be done even under noisy conditions. In conjunction with the rapidly developing computer technology, systems became available to perform very long processes within milliseconds. In this thesis, probabilistic models will be used in order to classify a target and detect if the target is making use of electronic counter-measures (ECM). Thereafter, the performances of different systems under the same conditions will be compared. Bayesian Networks Theory and Dempster-Shafer Evidence Theory are two most well-known and applicable approaches to classification and attribute tracking problems. Therefore, aforementioned two approaches are chosen in order to simulate desired attribute tracking and detection scenarios. Subsequent to presenting results obtained by applying abovementioned theories to the selected scenarios, improvements are made in order to increase system performance. The effects of quality of the information source and improvements are presented within this thesis as well as a general comparison of implemented theories.
Benzer Tezler
- ALS vaka tespitinde bayes ağları ve makine öğrenmesi yöntemlerinin karşılaştırılması
Comparison of bayesian networks and machine learning methods in ALS desease detection
HASAN AYKUT KARABOĞA
Doktora
Türkçe
2021
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. İBRAHİM DEMİR
- Bayesci ağlarda öğrenme algoritmalarının karşılaştırılması
The comparison of learning algorithms in Bayesian networks
EMRE DÜNDER
Yüksek Lisans
Türkçe
2013
İstatistikOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. MEHMET ALİ CENGİZ
- Comparison of bayesian network structure learning algorithms and a new approach based on hill climbing algorithm
Veriden bayes ağ yapısı öğrenme algoritmalarının karşılaştırılması ve tepe tırmanma algoritmasına yeni bir yaklaşım
ŞERAF ADALİ
Yüksek Lisans
İngilizce
2004
Endüstri ve Endüstri MühendisliğiBoğaziçi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. TANER BİLGİÇ
- Estimation of hydraulic conductivity fields through generative adversarial networks and bayesian inference
Hidrolik iletkenlik alanlarinin üretken çekişmeli ağlar ve bayesci çikarim ile tahmini
EMREHAN BERKAY ÇELEBİ
Doktora
İngilizce
2025
Çevre MühendisliğiOrta Doğu Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞEGÜL AKSOY
PROF. DR. PETER KİTANİDİS
- Yansıtıcı dizi anten birim hücrelerinin pca ve bayesçi optimizasyon destekli yapay sinir ağları ile modellenmesi
Modeling of reflectarray antenna unit cells using pca and bayesian optimization-aided artificial neural networks
MUHAMMET TARIK ERKAN YILDIZ
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. PEYMAN MAHOUTİ