Tekil değer ayrışımına dayalı ön koşullama ile iyileştirilmiş sıkıştırmalı örnekleme verilerinin sınıflandırılması
Classification of compressive sampling data improved with singular value decomposition based preconditioning
- Tez No: 780239
- Danışmanlar: DOÇ. DR. DERYA YILMAZ
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Başkent Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 255
Özet
Günümüzde aktarılan, depolanan ve işlenen veri miktarının hızla artıyor olması nedeniyle, veri iletim, saklama ve veriden bilgi üretimi alanlarında yenilikçi çözümlere her geçen gün daha fazla gereksinim duyulmaktadır; Sıkıştırmalı Örnekleme (SÖ) veri aktarım ve depolama, Sıkıştırmalı Sınıflama (SS) da veri sınıflama için yenilikçi çözüm sunan iki yaklaşımdır. SÖ, Shannon örnekleme teoreminde gerek duyulan miktardan daha az sayıda örnekle kayıpsız bir geri çatımı yüksek olasılıkla mümkün kılmaktadır. SS ise SÖ ile üretilen ölçüm uzayında gerçekleştirildiği için işlenen vektörlerinin boyut azaltımından kaynaklı işlem ekonomisi ve operasyon avantajları sağlamaktadır. SÖ'de kullanılan ölçüm matrisine Ön koşullama (ÖK) uygulanmasıyla geri çatım için gerekli örnek sayısı, dolayısıyla iletimi/saklanması gereken veri miktarı azaltılabilmektedir. Ayrıca, ölçüm matrisinin Tekil Değer Ayrışımı (TDA) ile iyileştirilmesinin geri çatım başarımına katkısının deneysel incelemesi de literatürde mevcuttur. Bu tezdeki yenilikler; SÖ'de ölçüm matrisinin TDA ile iyileştirildiği yaklaşımın bir ÖK olarak formüle edilip TDA-ÖK olarak adlandırılması, TDA-ÖK yaklaşımının geri çatım için gerekli örnek sayısını azaltacağının teorik ispatı ve bu neticeyi inceleyen iki farklı Monte Carlo (MC) benzetiminin gerçekleştirilmesi, TDA-ÖK kullanımının SS başarımına etkilerinin üç farkı sınıflama metodu (En Yakın K-Komşu (EYKK), Rasgele Orman (RO) ve Destek Vektör Makineleri (DVM)) kullanarak beş farklı veri kümesi (MNIST, Fashion MNIST, Chinese MNIST, Sign MNIST ve WARD) üzerinde gerçekleştirilen SS uygulamalarıyla incelenmesidir. Tezde elde edilen bulgulardan birisi TDA ÖK'nın SS sonuçları üzerindeki etkisine dair kesin bir tanımlama yapılmasının mümkün olmadığıdır. Elde edilmiş diğer bir bulgu da SÖ ile üretilen ölçüm verilerinin sınıflanmasında EYKK'nin diğer iki yönteme göre daha iyi sonuç verdiğidir. EYKK ile sınıflamaya dair bir başka bulgu da boyut azaltımında %25 ve %50 sıkıştırma oranları için SÖ'nün Temel Bileşen Analizi'ne (TBA) yakın bir alternatif oluşturmasıdır. Örnek verilebilecek diğer bir bulgu da incelenen boyut azaltım uygulamaları ve veri setleri için RO'nun kesinlik ve anımsama başarımının birkaç istisnai durum hariç sınıflama öncesi boyut azaltımından olumsuz etkilendiğidir.
Özet (Çeviri)
Compressive Sensing (CS) and Compressive Classification (CC) are the methods targetting transmission, storage, and information extraction fields of data that progressively demand innovative solutions due to the rapid increase in the amount of data transferred, stored, and processed in the modern world. CS enables lossless reconstruction with high probability with fewer samples than is required in the Shannon sampling theorem. In connection with that gain, CC, which runs on the measurement space generated by CS, provides economy in computation and advantages in operation. In the literature, it is well known the number of samples required for reconstruction and the amount of data to be transmitted/stored reduce by applying preconditioning (PC) to the measurement matrix (MM) in CS. In addition, MM enhancement via the Singular Value Decomposition (SVD) and reconstruction performance relation are also experimentally studied in the literature. Merging MM enhancement via the SVD approach and PC by reformulation is the first contribution in this thesis. At the same time, the other contributions are; naming this combined approach as SVD-PC, analytical proof of reduction of the number of required samples in reconstruction by applying SVD-PC in CS, development of two Monte Carlo simulations for probing the proven outcome of SVD-PC, experimental investigation of the effects of SVD-PC on CC via utilizing three different classification methods (K-Nearest Neighbours (KNN), Random Forest (RF) and Support Vector Machines (SVM)) over five different data sets (MNIST, Fashion MNIST, Chinese MNIST, Sign MNIST, and WARD). One of the findings obtained in the thesis is a precise definition of the effect of SVD-PC on CC performance cannot be made according to the results. Another finding from the observations in this thesis is that, KNN gives better results than the other two methods in classifying the data produced by CS. Moreover, as for classification with KNN, another finding is that CS seems like a close alternative to Principal Component Analysis (PCA) for 25% and 50% compression ratios in dimension reduction. Another exemplary finding in the thesis is that the precision and recall performances of RF are adversely affected by the dimension reduction before classification, with a few exceptions.
Benzer Tezler
- Sparse linear prediction models for radar imaging and classification
Radar hedef görüntüleme ve sınıflandırma için seyrek doğrusal öngörü modelleri
BAHAR ÖZEN
Yüksek Lisans
İngilizce
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. IŞIN ERER
- Contribution a la recherche d'un cadre juridique pour un droit international de laconcurrence plus efficace
Daha etkin bir uluslararası rekabet için hukuki çerçeve arayışı
ALİ CENK KESKİN
Doktora
Fransızca
2009
HukukGalatasaray ÜniversitesiKamu Hukuku Ana Bilim Dalı
PROF. DR. JEAN MARC SOREL
PROF. DR. HALİL ERCÜMENT ERDEM
- Treatment of municipal wastewater and organic waste by a pilot scale high rate activated sludge system
Evsel atık su ve organik atıkların pilot ölçekli yüksek hızlı aktif çamur prosesi ile arıtımı
DİLARA SANCAR
Yüksek Lisans
İngilizce
2017
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. İZZET ÖZTÜRK
- Development of single-frame methods aided kalman-type filtering algorithms for attitude estimation of nano-satellites
Nano-uydularda yönelim kestirimi için tek-çerçeve yöntemlere dayali kalman-tipi filtreleme algoritmalarinin geliştirilmesi
DEMET ÇİLDEN GÜLER
Doktora
İngilizce
2021
Havacılık Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. CENGİZ HACIZADE
PROF. DR. ZEREFŞAN KAYMAZ
- Tek görüntü probleminde tekil değer ayrışımına dayalı ortak matris yaklaşımı ile yüz tanıma
Face recognition with singular value decomposition based common matrix approach in one sample problem
MELTEM APAYDIN
Yüksek Lisans
Türkçe
2011
Elektrik ve Elektronik MühendisliğiBilecik Şeyh Edebali ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ÜMİT ÇİĞDEM TURHAL