Bir eğitimsiz (unsupervised) sınıflandırma metodunun geliştirilmesi üzerine araştırmalar ve bunun Ceylanpınar Ovası topraklarına uygulanması
Başlık çevirisi mevcut değil.
- Tez No: 6595
- Danışmanlar: PROF. DR. URAL DİNÇ
- Tez Türü: Yüksek Lisans
- Konular: Ziraat, Agriculture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 1989
- Dil: Türkçe
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Toprak Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 111
Özet
90 ÖZET Bu çal ışmada, eğitimsiz sı n ı f 1 amada < un sup er u i sed), yeni bir yöntem geliştirilmiş ve uygu 1 anma iş t ir. Bu yo t emde, kümeler verinin bütün pikselleri yerine, bir algoritma ile seçilen benzer özel 1 ik te(un if orm) bölgelerde aranmıştır. Kümelerin oluşturulmasında Mahal on ob i s Uzaklığı, ham veride bir pikselin kümelere atanmasında öklid uzaklığı kullanılmıştır. Bu yön t emde, ü ç ön em 1 i eş i k değeri kullanılmıştır; - Benzerlik ölçütü eşik(B) değeri. - Kümel er arası mesafeyi oluşturan eşik(K) değeri. - s ı n ı -f 1 anmam iş bir piksel ile k üme araş ı n dak i mak s i mum uzak ligi be 1 i r 1 ey en eş i k ( U > değer i. Bu eşik değerleri ile sınıflandırma hassasiyeti, istenilen oranda değiştirilebilmektedir. örneğin, sınıflandırılacak yöre üç ayrı sınıfta sı n ı f landı r ı 1 abi 1 eceği gibi, eşik değerlerini değiştirerek çok fazla sayıda sı n ı f 1 arada ayı rı 1 abi 1 ir. Bu yöntemle, kümel emede görülen, zaman, boyut, bilgisayar kapasitesi sorunlarına çözüm getirilmiştir, ayrıca eşik değe-r 1 er i n i kullanarak, istenilen doğruluk ve hassasiyette sınıfl ama yapab i 1 me o 1 anağ ı sağ 1 anm ıştır. Yöntem geliştirme ve doğrulama safhasında, İstanbul Boğazı, İskenderun Körfezi, Konya Yöresi örnek alanlarından oluşturulan mozaik, Al ti nova Devlet Üretme Cif ti iği verileri kullanılmıştır. Bu verilerin, yergerçeği ile doğrulanmış, önceki sınıflamaları ile yeni yöntemle sınıflandırılmaları karşı 1 aş t ir ı İmiş t ir. Daha sonra yeni yöntem Ceyl anp ınar Ovası toprak sınıflarını ayırmada uygulanmıştır. 22.00ü hektarlık Ceyl anp ı nar Ovası için, LANDSAT5 verisinin 1986 ve 1987 yılları kullanılmıştır. Ueri her Yıl için beş bölgeye ayrılmış ve her bir bölgede değişik eşik değerleri kullanılarak, farklı sınıflamalar elde edilmiştir.
Özet (Çeviri)
91 SUMMARY In this study, a new unsupervised algorithm is developed. Uniform areas ot" unclassified Image is -found. CI uster seeking algorithm applied only to the uni-form areas, not to the whole data. Mahal on obi s distance used to i den t i -fy clusters in data. Eucledian distance used to decide to the cluster- o-f a pixsel of row data. algorithm brings a solution to the time, dimension and computer c-3.p-s.city problems o-f unsuperwi sed classification. Furthermore it provides more detailed and accurate classified i mages. At the developing stage of the algorithm, Bosphorus, İskenderun Bay, mosaic of Konya, test sites, Altı nova State Farm data are used. Previous classifications of these data which are corrected with ground truth a.re compared with the classifications of the new algorithm. At the second stage, the new algorithm is applied to classify different types of Ceyl anpı nar Lowland soils. LANDSAT5 data of 1 986 and 198? years are used for 22.0 0 0 hectare area of Ceyl an p ı nar Lowland. Ceyl anp ı nar Lowland data is divided into five regions and each region is classified, under several different thereshold values.
Benzer Tezler
- Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Comparison of advanced classification techniques in remote sensing
Uzaktan algılamada ileri sınıflandırma tekniklerinin kıyaslanması
HÜSEYİN YAŞAR
Yüksek Lisans
İngilizce
2016
Bilim ve TeknolojiDokuz Eylül ÜniversitesiCoğrafi Bilgi Sistemleri Ana Bilim Dalı
YRD. DOÇ. DR. ATİLLA HÜSNÜ ERONAT
- Clustering and classification methods using unsupervised, semi-supervised and supervised algorithms
Eğitimsiz, yarı-eğitimli ve eğitimli algoritmalar kullanılarak kümeleme ve sınıflandırma yöntemleri
BALA MIKAT TYODEN
- Uzaktan algılanmış imgelerin eğitimsiz sınıflandırılması ve yorumlanması
Unsupervised classification and interpretation of remotely sensed images
MEHMET CİHAN ŞAHİNGİL
Yüksek Lisans
Türkçe
2009
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YAKUP ÖZKAZANÇ