Classification of target primitives with sonars using two non-parametric data fusion methods
Hedef ilkelerinin sonar kullanılarak parametrik olmayan iki yöntemle sınıflandırılması
- Tez No: 50005
- Danışmanlar: Y.DOÇ.DR. BİLLUR BARSHAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 1996
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 236
Özet
ÖZET HEDEF İLKELLERİN SONAR KULLANILARAK PARAMETRİK OLMAYAN İKİ YÖNTEMLE SINIFLANDIRILMASI Birsel Ayrulu Elektrik ve Elektronik Mühendisliği Bölümü Yüksek Lisans Tez yöneticisi: Yrd. Doç. Dr. Billur Barshan Temmuz 1996 Bu çalışmada, hareketli robot uygulamalarında sıkça karşılaşılan hedef ilkellerinden kaynaklanan yansımaların rnodellenmesinde fiziksel modeller kullanıldı. Genlik ve uçuş zamanı verilerine dayanan çok dönüştürücüm dürtü/yankı sistemleri ile hedef ilkelleri tanınmaya çalışıldı. Birden çok mantıksal sonar için atanan inanç değerleri taşıyan hedef özellikleri sürekli olarak birleştirildi. Algı belirsizliklerini azaltıp sınıflandırma başarısını arttırmak için yapılan bu birleştirme işlemi için Dempster-Shafer birleşim kuralı kullanıldı. Üç algılayıcı çifti kullanılarak sınıflandırma işleminde fazladan yapılan işlemlere karşın %20 ye varan bir başarım artışı elde edildi, ikinci bir yöntem olarak, tanıtım parametre yakınlıklarının beraberce öğrenilmesi için yapay sinir ağları kullanıldı. Bu ağ yapısında devrenin bu hedef ilkellerini öğreninceye kadar geçen zaman ve 31 algılayıcı çiftine rağmen genlik ve uçuş zamanı ölçümleri kullanılarak sınıflandırma işleminde %72 ye varan bir başarı ve %28 yanlış karar elde edildi. Bu çalışmada kullanılan iki yöntemin her biri yankı genliğinin gürültüye karşı olan duyarlılığının üstesinden gelmeye yardımcı olduğu gibi parametrik olmayan belirsizliklerin modellenmesini de sağlamaktadır. Anahtar Kelimeler : sesötesi duyucular, engel sınıflandırma, robotik algılama, parametrik olmayan veri tümleşimi, Dempster-Shafer birleşim kuralı, mantıksal algılama, yapay sinir ağları.
Özet (Çeviri)
ABSTRACT CLASSIFICATION OF TARGET PRIMITIVES WITH SONAR USING TWO NON-PARAMETRIC DATA FUSION METHODS Birsel Ayrulu M.S. in Electrical and Electronics Engineering Supervisor: Assist. Prof. Dr. Billur Barshan July 1996 In this study, physical models are used to model reflections from target prim itives commonly encountered in a mobile robot's environment. These targets are differentiated by employing a multi-transducer pulse/echo system which relies on both amplitude and time-of-flight (TOF) data in the feature fusion process, allowing more robust differentiation. Target features are generated as being evidentially tied to degrees of belief which are subsequently fused for multiple logical sonars at different geographical sites. Feature data from multiple logical sensors are fused with Dempster-Shafer rule of combination to improve the performance of classification by reducing perception uncertainty. Using three sensing nodes, improvement in differentiation is 20% without false decision, however, at the cost of additional computation. Simulation results are verified by experiments with real sonar systems. As an alternative method, neural networks are used for incorporating learning of identifying parameter relations of target primitives. Amplitude and time-of-flight measurements of 31 sensor pairs are fused with these neural networks. Improvement in differ entiation is 72% with 28% false decision at the cost of elapsed time until the network learns these patterns. These two approaches help to overcome the vul nerability of echo amplitude to noise and enable the modeling of non-parametric uncertainty. mKeywords : ultrasonic transducers, sonar, target classification, sensor-based robotics, multi-sensor data fusion and integration, non-parametric data fusion, evidential reasoning, belief functions, Dempster-Shafer rule of combination, logical sensing, artificial neural networks. IV
Benzer Tezler
- Bina yapımında simülasyon yaklaşımıyla maliyet tahmini
Cost estimating with simulation approach in building construction
NİLÜFER YAYLAGÜL
Yüksek Lisans
Türkçe
1994
Mimarlıkİstanbul Teknik ÜniversitesiBina Yapım Yönetimi Bilim Dalı
PROF. DR. HEYECAN GİRİTLİ
- Okunabilir kopyalama algoritmalı DSM sisteminin gerçeklenmesi
Başlık çevirisi yok
ÖZGÜR KORAY ŞAHİNGÖZ
Yüksek Lisans
Türkçe
1998
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. TAKUHİ NADİA ERDOĞAN
- Optimization based predictive methods for large scale data
Büyük ölçekli veri için eniyileme temelli tahminleyici yöntemler
EMRE ÇİMEN
Doktora
İngilizce
2018
Endüstri ve Endüstri MühendisliğiEskişehir Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜRKAN ÖZTÜRK
- İmalat sistemlerinin tasarlanması ve öncelik kurallarının belirlenmesinde yapay sinir ağlarının kullanılması
Başlık çevirisi yok
TARIK ÇAKAR
Doktora
Türkçe
1997
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. AYHAN TORAMAN