Güncel makine öğrenmesi teknikleri ile iris görüntülerinden cinsiyet analizi
Gender analiysis on iris images using novel machine learning techniques
- Tez No: 559079
- Danışmanlar: DOÇ. DR. YAKUP KUTLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: İskenderun Teknik Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 76
Özet
Son zamanlarda artan nüfus miktarından dolayı, veri tabanında arama yaparken aranılan kişinin cinsiyetinin belirlenmesi veri tabanındaki veri sayısının yarıya indirilmesi demektir bu da bize zaman açısından büyük bir kolaylık sağlayacaktır. Bunun yanısıra cinsiyet tespit sistemi cinsiyet tabanlı erişim kontrol gerektiren güvenlik uygulamalarında, sadece belirli bir cinsiyet grubuna hitap edecek olan pazarlama stratejilerinin oluşturulmasında kullanılabilir. Bunlara bakıldığında cinsiyet tespit sisteminin oldukça geniş uygulama alanına sahip olduğu görülmektedir. Kişi tanımlama sistemlerinde parmak izi, yüz, ses, imza atımı gibi birçok biyometrik özellik kullanılmaktadır. Ancak irisin eşsiz yapısından dolayı diğer biyometrik özelliklere göre daha güvenilir bir sistem olduğu düşünülmektedir. Bu nedenle bu çalışmada iris yapısı kullanılarak cinsiyet tahmini yapılmaya çalışılmıştır. 750 kadın ve 750 erkek olmak üzere her kişinin sağ ve sol iris görüntüleri kullanılarak toplamda 3000 görüntü üzerinde uygulama gerçekleştirilmiştir. İris görüntülerine öznitelik çıkarma yöntemi olarak doku analiz yöntemleri, gemoterik features çıkartma, gabor filtresi, dalgacık dönüşüm, fourier dönüşümü uygulanmıştır. Ayrıca irisin genel, bölgesel ve hücresel doku analizi yöntemi hem iris görüntüsüne hemde Daugman dönüşümü uygulanarak öznitelik çıkarılmıştır. Çıkarılan bu özniteliklere birimsel boyut farkını gidermek için max normalizasyonu ve non-linear dönüşümü uygulanmıştır. Her bir öznitelik çıkartma yöntemiyle öznitelik kümleri oluturulmuş ve sınıflandırma başarım değerleri karşılaştırılşmıştır. İçlerinde en iyi öznitelik kümesi bulunamadığı açıktır. Bu sebeple karşılaştırma sonrasında öznitelik seçi,m algoritmaları uygulanmıştır. Bireysel en iyi seçim, ileri seçim ve n-al r-bırak seçim algoritmaları kullanılarak öznitelik seçimi yapılmıştır. Seçim algoritma sonuçları birbirleriyle karşılaştırılmıştır. Sonuç olarak, %91 başarım oranı ile en iyi öznitelik alt kümesi non-liner dönüşüm yapılmış özniteliklerden elde edilmiştir.
Özet (Çeviri)
Due to the recently increasing population, determining the gender of the person searched in the database means halving the number of data in the database, which will give us a great deal of time. In addition, the gender detection system can be used in security applications requiring gender-based access control, to organize marketing strategies that address only a specific gender group. It is shown that it is seen that the gender detection system has a wide application area. Many biometric features such as fingerprint, face, voice and signature are used in person identification systems. However, due to the unique structure of the iris, it is thought to be a more reliable system compared to other biometric properties. Therefore, in this study, it was tried to estimate the gender by using iris structure. A total of 3000 images were used by using right and left iris images of 750 women and 750 men. Texture analysis, geometric features extraction, Gabor filter, wavelet trasnform and fourier transform were applied to the iris images as features extraxtion techniques. In addition, general, regional and cellular texture analysis was performed on both the iris image and Daugman transformed images. Max normalization and non-linear transformation were applied to these extracted features for making scale invariand. Each feature set extracted each method is used to classify gender and compare echa others. It was clear that there is no best feature set of them. Therefore, after comparing all features echother according to accuracy feature selektion algorithm used to determine subset which had best classificaion accuracy. best individual selection, forward selection and n-take r-away selection algorithms are used as features selection algoritm. The selected features were compared each other. Consequently, the best feature subset was obtained nonlinear transform features with 91% accuracy rate using n-tak r away algorithm.
Benzer Tezler
- Makine öğrenmesi teknikleri ile güncel tüik yaşam memnuniyeti anketlerinin incelenmesi
Analyizing tsi life satisfaction research data with machine learning techniquies
ADİL ÇOBAN
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
PROF. DR. İLHAN TARIMER
- Comparison of machine learning algorithms for financial evaluations
Finansal değerlendirmeler için makine öğrenmesi algoritmalarının karşılaştırılması
WUDAY COLLEY
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
ASSOC. DR. MEHMET GÖKTÜRK
- Makine öğrenmesi yöntemleriyle enflasyona etki eden faktörlerin incelenmesi: Türkiye örneği
Using machine learning methods to examine factors affecting inflation: The example of Türkiye
HASAN ŞEN
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri MühendisliğiBursa Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖMER FARUK EFE
- Hızlı moda sektöründe makine öğrenmesi yöntemleri ile satış miktarlarının tahmin edilmesi
Forecasting of sales quantities by machine learning methods in fast fashion sector
SİNEM ÖZTÜRK
Yüksek Lisans
Türkçe
2020
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEDA UĞURLU
- Tıp 'da veri madenciliği uygulamaları: Meme kanseri veri seti analizi
Data mining aplications in medicine :Breast cancer data set analysis
OĞUZ POYRAZ
Yüksek Lisans
Türkçe
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERDEM UÇAR