Geri Dön

Automatic segmentation oftextual descriptions of plant species

Başlık çevirisi mevcut değil.

PDF İndir

  1. Tez No: 724015
  2. Yazar: ONATKUT DAĞTEKİN
  3. Danışmanlar: Belirtilmemiş.
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgi ve Belge Yönetimi, Bilim ve Teknoloji, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Information and Records Management, Science and Technology, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: The Unıversıty Of Manchester
  10. Enstitü: Yurtdışı Enstitü
  11. Ana Bilim Dalı: Belirtilmemiş.
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Özet yok.

Özet (Çeviri)

The amount of textual information in the world is increasing day by day. Most of this data is unstructured. To transform the data to structured format text mining can be used. Text mining includes tasks such as text segmentation and text classification. The aim of this dissertation is to segment and classify textual descriptions of plant species to three categories: 'Habitat', 'Morphological', 'Distribution'. Machine learning models were used to achieve this aim. Na¨ıve Bayes, Conditional Random Fields, Recurrent Neural Networks were used. Na¨ıve Bayes is a probabilistic model, Conditional Random Fields are a statistical model and Recurrent Neural Network is artificial neural network model. For comparison, f-score and analysis of Receiver Operator Characteristics (ROC) space was used. A feature extraction method, Principal Component Analysis (PCA) was used to observe the efficiency of the models with less number of features. The features were created by observing the common patterns in the dataset and were given as input to the models. Samples of the features include; location indicators, existence of number ranges and habitat ontology matches. PCA was not beneficial to the task and reduced the f-score of all models. Na¨ıve Bayes models were not able to recognise segments efficiently. Recurrent Neural Networks were not able recognise the 'Morphological' label in any cases. Increasing the number of principles components obtained from PCA did not benefit the task. The best performing model out of all three was Conditional Random Fields with a f-score of 0.937.

Benzer Tezler

  1. Tez No

    891718

    The effect of language input in semantic segmentation and grading of colorectal cancer with language-vision models

    Kolorektal kanser görüntülerinden segmentasyon ve kanser derecesi teşhisi yapan dil-görme modellerinde dil girdisinin etkisi

    SİNA ŞEHLAVER

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Mühendislik Bilimleri Ana Bilim Dalı

    DOÇ. DR. EMRE AKBAŞ

    DOÇ. DR. AHMET ACAR

  2. Tez No

    985688

    Retrospektif kohort çalışmaları için yapay zeka destekli kullanıcı arayüzü geliştirilmesi: Nükleer tıp alanında bir vaka çalışması

    Development of an artificial intelligence- assisted user interface for retrospective cohort studies: A case study in nuclear medicine

    ABDURRAHMAN RAJAB

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgi ve Belge YönetimiMarmara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ALİ SARIKAŞ

    DOÇ. DR. RABİA LEBRİZ USLU BEŞLİ

  3. Tez No

    68703

    Automatic segmentation and labeling of isolated Turkish words

    Yalıtılmış türkçe kelimelerin otomatik olarak bölünüp etiketlenmesi

    MUSTAFA BAYINDIR

    Yüksek Lisans

    İngilizce

    İngilizce

    1997

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MÜBECCEL DEMİREKLER

  4. Tez No

    268437

    Bimodal automatic speech segmentation and boundary refinement techniques

    Çift durumlu otomatik konuşma bölütleme ve sınır iyileştirme teknikleri

    EREN AKDEMİR

    Doktora

    İngilizce

    İngilizce

    2010

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Bölümü

    DOÇ. DR. TOLGA ÇİLOĞLU

  5. Tez No

    365682

    Automatic segmentation of central sulcus on brain mr images

    Beyin mr görüntüleri üzerinde otomatik central sulcus ayrıştırması

    OĞUZ DEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. DEVRİM ÜNAY

Geri Dön