HADOOP eşle/indirge mimarisi kullanılarak görüntülerin en uzun ortak alt dizi algoritması ile örülmesi
Distributed image stitching with longest common substring algorithm using HADOOP mapreduce architecture
- Tez No: 546480
- Danışmanlar: DOÇ. DR. AHMET SAYAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 55
Özet
Bu tezde, görüntü örme adımlarının dağıtık bir şekilde en uzun ortak alt dizi algoritması kullanılarak yapılabilmesi için görüntü örme süreçleri incelenmiş ve görüntü örme adımlarının dağıtık veri işleme altyapısı sunan Apache Hadoop ortamlarında çalışabilmesi için yeni çözümler ve algoritmalar geliştirilmiş. Öncelikle, görüntü örme süreçleri, büyük veri kavramı ve büyük veri işleme kütüphanesi olan Apache Hadoop Framework'ü incelenmiş, görüntülerin metin olarak ifade edilebilmesi Komşuluk Kodu algoritması ve metin olarak ifade edilen resimlerin karşılaştırılması için En Uzun Ortak Alt Dizi (Longest Common Substring-LCS) algoritması geliştirilmiştir. Sonrasında, geliştirilen algoritmaların Apache Hadoop Framework'ünün Eşle/İndirge programlama modeline uygulanabilirliğini göstermek için tek makinede tek thread, çok thread çalışan çözümler geliştirilmiştir. Sonrasında zincirleme üç Eşle/İndirge işinden oluşan Apache Hadoop ortamlarında çalışacak çözüm geliştirilmiştir.
Özet (Çeviri)
This thesis, image stitching process is examined and analyzed to develop new distributed image stitching algorithm with longest common substring algorithm using hadoop mapreduce architecture. Firstly, image stitching process, big data and Apache Hadoop framework are examined. New algorithm which is name“neighborhood code generator”, is developed that convert image to textual format. The longest common substring algorithm is developed to compare images expressed as text. Single threaded, multi-threaded solutions are developed on a single machine to demonstrate the applicability of the developed algorithms to the mapreduce programming model of the Apache Hadoop Framework. Afterwards, the solution is developed to work in Apache Hadoop environments, which contain three mapreduce chain jobs.
Benzer Tezler
- Eşle/indirge yöntemine dayalı dağıtık hesaplama ile uydu görüntüleri üzerinden nesne çıkarım mimarisi
A map/reduce distributed and scalable big data framework for object extraction from mosaic satellite images
SÜLEYMAN EKEN
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET SAYAR
- Büyük dikgen görüntülerin örülmesi işleminin eşle/indirge tabanlı büyük veri mimarilerine uyarlanması
Adaptation of ortogonal image stitching to big data frameworks
HAYRUNNİSA SARI
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET SAYAR
- Dağıtık hadoop kümelerinde yeni eşle/indirge programlama algoritması modeli
New map/reduce programming algorithm model in distributed hadoop clusters
EMİN ŞEŞEN
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. RESUL KARA
- A distributed graph mining framework based on mapreduce
Eşle/indirge yöntemi üzerine kurulu dağıtık bir ağ madenciliği gerçeklemesi
SERTAN ALKAN
Yüksek Lisans
İngilizce
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Bölümü
YRD. DOÇ. DR. TOLGA CAN
- Parallelization of functional flow to predict protein functions
Protein fonksiyon tahminlemesi için fonksiyonel akış yönteminin paralelleştirilmesi
EMRAH AKKOYUN
Yüksek Lisans
İngilizce
2011
BiyoistatistikOrta Doğu Teknik ÜniversitesiTıp Bilişimi Ana Bilim Dalı
YRD. DOÇ. DR. TOLGA CAN