Yeni nesil makine öğrenmesi yöntemleritabanlı ortam seslerinden duygu ve şiddet tespiti
Emotion and violence detection from environmental sounds based on next generation machine learning methods
- Tez No: 940101
- Danışmanlar: DOÇ. DR. TÜRKER TUNCER
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Science and Technology, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Adli Bilişim Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 197
Özet
Bu tez, çevresel ses sınıflandırma, konuşmacı sayma, şiddet yoğunluğu algılama ve topluluk duygu tespiti gibi çeşitli ses tabanlı tanıma görevleri için hafif, yorumlanabilir ve yüksek performanslı makine öğrenimi modellerinin Bu tez, çevresel ses sınıflandırma, konuşmacı sayma, şiddet yoğunluğu algılama ve topluluk duygu tespiti gibi çeşitli ses tabanlı tanıma görevleri için hafif, yorumlanabilir ve yüksek performanslı makine öğrenimi modellerinin geliştirilmesi için kapsamlı bir çerçeve sunmaktadır. Her biri el yapımı, hafif sıklet, örüntü tanıma veya kaostan ilham alan özellik çıkarma tekniklerini, optimize edilmiş sınıflandırma stratejilerini ve DWT ve TQWT gibi çok seviyeli sinyal dönüşümlerini içeren yedi yeni model önerilmiştir. Her model, kendi görevleri için özel olarak oluşturulmuş yeni, dengeli ve halka açık veri kümeleri üzerinde eğitilmiş ve değerlendirilmiştir. Tüm modeller GPU hızlandırmasına ihtiyaç duymadan çalışarak düşük hesaplama kaynaklarıyla yüksek doğrulukta ses sınıflandırmasının mümkün olduğunu göstermektedir. Genel olarak bu tez, gerçek zamanlı, gömülü veya düşük kaynaklı ortamlarda kullanıma uygun açıklanabilir, verimli ve ölçeklenebilir modeller sunarak derin öğrenmeye güçlü bir alternatif sunmaktadır. Bu tez çalışması yeni nesil makine öğrenmesi modelleriyle duygu ve şiddet tespiti alanına önemli bir katkı sağlamaktadır. Önerilen çözümler kamu güvenliği, adli bilişim, akıllı gözetim, sağlık izleme ve duygusal hesaplama alanlarında gelişmiş uygulamaların önünü açmaktadır.
Özet (Çeviri)
This thesis presents a comprehensive framework for the development of lightweight, interpretable, and high-performance machine learning models for various audio-based recognition tasks, such as environmental audio classification, speaker counting, intensity detection, and ensemble emotion recognition. Seven new models are proposed, each incorporating handcrafted, lightweight, pattern recognition or chaos-inspired feature extraction techniques, optimized classification strategies, and multi-level signal transformations such as DWT and TQWT. Each model is trained and evaluated on novel, balanced and publicly available datasets specifically created for their respective tasks. All models run without the need for GPU acceleration, demonstrating that high accuracy audio classification is possible with low computational resources. Overall, this thesis presents a powerful alternative to deep learning by providing explainable, efficient and scalable models suitable for use in real-time, embedded or low-resource environments. This thesis makes a significant contribution to the field of emotion and violence detection with next generation machine learning models. The proposed solutions pave the way for advanced applications in public safety, forensics, intelligent surveillance, health monitoring and emotional computing. The proposed solutions pave the way for advanced applications in public safety, forensics, intelligent surveillance, health monitoring and emotional computing.
Benzer Tezler
- Novel machine learning-based approaches for customer segmentation and data analysis
Müşteri segmentasyonu ve veri analizi için yeni nesil makine öğrenmesi yaklaşımları
NUR DİYABİ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBüyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
DOÇ. DR. ÖMER MELİH GÜL
- Brain computer interface design and implementation using machine learning with user feedback
Kullanıcı geribeslemeli makine öğrenmesi ile beyin bilgisayar arayüzü tasarımı ve uygulaması
EMRE ARI
Doktora
İngilizce
2023
Makine MühendisliğiMarmara ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ERTUĞRUL TAÇGIN
DR. ÖĞR. ÜYESİ ALPER ŞİŞMAN
- Makine öğrenmesi yöntemleri kullanılarak radyo erişim ağları için dinamik radyo kaynak yönetimi
Dynamic radio resource management for radio access networks by using machine learning techniques
AYSUN ASLAN SARUHAN
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. CENK TOKER
- Makine öğrenmesi yöntemleriyle kitle fonlaması projeleri için iş zekası ortamı tasarlanması ve etkilerinin araştırılması
Designing and researching effects business intelligence environment for crowdfunding projects with machine learning methods
MURAT KILINÇ
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. CAN AYDIN
- Improving indoor positioning system by using wi-fi fingerprint with machine learning methods
Wi-fi parmak izi kullanarak kapalı konumlandırma sisteminin makine öğrenmesi yöntemleri ile geliştirilmesi
YADGAR AHMED HASSAN HASSAN
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik MühendisliğiSiirt ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YILMAZ KAYA