Geri Dön

Methods of combining multiple classifiers and their application to handwritten digit recognition

Birden çok sınıflandırıcıyı birleştirme yöntemleri ve el yazısı rakam tanıma üzerine uygulamaları

  1. Tez No: 47496
  2. Yazar: CENK KAYNAK
  3. Danışmanlar: Y.DOÇ.DR. ETHEM ALPAYDIN
  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: 1995
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Belirtilmemiş.
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 89

Özet

ÖZET Bu tez el yazısı rakam tanıma üzerinedir. Standard bir formun ikili görüntüsünden rakamların tanınmasına kadar olan tüm işlemler tartışılmaktadır. Kısa bir zaman önce, Amerikan NIST kurumu el yazılı formlar içeren bir veri tabanı ve bu formları işleyebilecek programlan isteyenlerin kullanımına sundu. Biz de bu programlan kendi amacımıza uygun hale getirdik. Ancak NIST'in tanıma üzerine olan programlan iyi sonuç vermedi (%82.2). Bunun en büyük sebebi de Türklerin ve Amerikalıların el yazısı stilleri arasındaki farktır. Bu nedenden dolayı, sınıflandırma yöntemlerini üzerinde deneyip, kıyaslayabileceğimiz bir el yazısı rakam veri tabam oluşturduk. Temel sınıflandırma yöntemleri olarak, En Yalan k Komşu, Büyü ve öğren, ve Çok Katmanlı Algılayıcı'yı kullandık ve kendi aralarında karşılaştırdık. Esas çalışma, birden çok sınıflandırıcının birleştirilmesi teknikleri üzerinde oldu. Bu konu ile ilgili olarak, önce oylama sistemi denendi. Sonra, Yığılmış Genelleştiriciler yöntemi ve İtekleme yöntemi kullanıldı. Son olarak, Ardışık Sınıflandırıcılar isimli, yeni bir çok sınıflandırıcılı yöntem geliştirilmiştir. Ayrıca uygulanan tüm yöntemlerin sonuçlan ve aralarındaki çeşitli kıyaslamalar da sunulmuştur. Ulaşılan en yüksek basan kısıtlı yazıcı için %98.3 ve yazıcıdan bağımsız tanımada %97.3'dir. ANAHTAR KELİMELER: El yazısı rakam tanıma, Ayrıştırma, En Yalan k Komşu, Büyü ve Öğren, Çok Katmanlı Algılayıcı, birden çok sınıflandırıcının birleştirilmesi, Oylama, Yığılmış Genelleştiriciler, İtekleme, Ardışık Sınıflandıncılar.

Özet (Çeviri)

IV ABSTRACT This thesis report is about handwritten digit recognition. It explains a system that takes the binary image raster of the standard form and generates a text output of its handwritten content. National Institute of Standards and Technology (NIST) of US recently made available a database of handwritten forms and programs that manipulate them. We adopted their form processing programs for our purpose. Their programs for recognition however did not work well (82.2%) due to the difference of handwriting styles of Turkish and Americans. So, we created a large database of handwritten digits on which to test and compare our recognizers. For classification, K-Nearest Neighbor (KNN), Grow And Learn (GAL), and Multi- Layer Perceptron (MLP) methods are implemented and compared. Then, we concentrated on the techniques of combining multiple classifiers. We implemented voting as the first technique for combining multiple classifiers. Then, we implemented the Stacked Generalization over different types of classifiers. Later, the Boosting method is tried on our problem. Finally, we propose a new method of combining multiple classifiers, called the Cascaded Classifiers. We also provide the results of all methods implemented and make comparisons among them. The highest success we have is 98.3% in the writer dependent case and 97.3% in the writer independent case. KEYWORDS: Handwritten digit recognition, Segmentation, K-Nearest Neighbors (KNN), Grow and Learn (GAL), Multi-Layer Perceptron (MLP), Combination of multiple classifiers, Voting, Stacked Generalization, Boosting, Cascaded Classifiers.

Benzer Tezler

  1. Kelime gömme yaklaşımlarının iadesiz torbalanmasına dayanan uzun kısa süreli bellek mimarisi ve metin sınıflandırmasına uygulanması

    Long-short term memory architecture based on non-returnable baggigng of word embedding approaches and an application to text classification

    MUHAMMET OĞUZHAN YALÇIN

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. NEVİN GÜLER DİNCER

  2. Körfezlerdeki su kalitesinin uydu görüntü verileri yardımıyla incelenmesi

    The Evaluation of water-quality in the bays by satellite images

    FİLİZ SUNAR

    Doktora

    Türkçe

    Türkçe

    1991

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    PROF.DR. CANKUT ÖRMECİ

  3. The significance and the contribution of 6+1 traits of writing to the success of the students in writing courses in English language teaching

    Yazmanın 6+1 özelliğinin İngilizce öğretiminde yazılı anlatım derslerindeki öğrenci başarısına katkısı ve önemi

    ÖZLEM YAZAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2004

    Eğitim ve ÖğretimGazi Üniversitesi

    İngiliz Dili Eğitimi Ana Bilim Dalı

    YRD. DOÇ. DR. PAŞA TEVFİK CEPHE

  4. Linear and nonlinear classification of quadrature modulation signals

    Çeyrek modülasyon sinyallerinin doğrusal ve doğrusal olmayan sınıflandırması

    AHMED KHALID ALI ALI

    Doktora

    İngilizce

    İngilizce

    2020

    Elektrik ve Elektronik MühendisliğiGaziantep Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ERGUN ERÇELEBİ

  5. İngilizce'den Türkçe'ye istatistiksel bilgisayarlı çeviri sistemlerinde alan uyarlaması ile başarının artırılması

    Evaluation of domain adaptation approaches on English-to-Turkish statistical machine translation systems

    EZGİ YILDIRIM

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. AHMET CÜNEYD TANTUĞ