İstifleme modelleriyle el yazısı ve çizimden depresyon, anksiyete ve stres sınıflandırması
Classification of depression, anxiety, and stress from handwriting and drawing using stacking models
- Tez No: 947279
- Danışmanlar: DR. ÖĞR. ÜYESİ MURAT AYKUT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 91
Özet
El yazısı ve çizim verileri, bireylerin duygusal durumlarını yansıtan dinamik ve istatistiksel özellikler taşıması nedeniyle, duygudurum analizinde anlamlı bir veri kaynağı olarak değerlendirilmektedir. Bu çalışma, el yazısı ve çizimlerden elde edilen dinamik ve istatistiksel özellikleri kullanarak duygusal durumları tespit etmek için en uygun model kombinasyonunu belirlemeyi amaçlamaktadır. Öznitelik vektörleri, fiziksel (kinematik), istatistiksel ve sinyal işleme (spektral, kepstral ve frekans alanı) analizlerinden türetilmiştir. Sınıf dengesizliği problemini ele almak amacıyla, aşırı örnekleme ve örnek azaltma yöntemleri birlikte uygulanmıştır. Bu yaklaşımla, azınlık sınıfındaki örneklerin sayısı çoğaltılarak aşırı örnekleme uygulanmış, çoğunluk sınıf ise az örnekleme yöntemiyle azaltılmıştır. Boyut indirgeme, öznitelik çıkarımı ve öznitelik seçimi yöntemleri kullanılarak gerçekleştirilmiştir. En az ve en etkili öznitelikler belirlendikten sonra, örnekler iki seviyeli topluluk öğrenme yöntemi ile sınıflandırılmıştır. Çalışmada, karar ağaçları temelli popüler dört farklı yöntem temel ve meta model olarak belirlenmiştir. Model ve hiper parametre optimizasyonu Optuna çerçevesinde gerçekleştirilmiştir. Modellerin performansı, kamuya açık EMOTHAW veri tabanı üzerinde yapılan deneylerle değerlendirilmiştir. Bu çalışmada, 129 kişinin yedi farklı çizim/yazı görevinden elde edilen veriler kullanılarak depresyon, anksiyete ve stresin duygusal durumlarını belirlemek hedeflenmiştir. Elde edilen sonuçlar, modelin dikkate değer bir performans sergilediğini göstermektedir.
Özet (Çeviri)
Handwriting and drawing data are considered a meaningful data source in emotion analysis, as they contain dynamic and statistical features that reflect individuals' emotional states. This study aims to determine the optimal model combination for detecting emotional states using dynamic and statistical features obtained from handwriting and drawings. Feature vectors were derived from physical (kinematic), statistical, and signal processing (spectral, cepstral, and frequency domain) analyses. To address the class imbalance problem, oversampling and undersampling methods were applied together.With this approach, the number of samples in the minority class was increased through oversampling, while the majority class was reduced using undersampling methods.Dimensionality reduction was performed using feature extraction and feature selection methods. After identifying the minimum and most effective features, the samples were classified using a two-level ensemble learning method. In the study, four popular tree-based methods were selected as base and meta models. Model and hyperparameter optimization were carried out within the Optuna framework. The performance of the models was evaluated through experiments conducted on the publicly available EMOTHAW dataset. In this study, the emotional states of depression, anxiety, and stress were aimed to be determined using data obtained from seven different handwriting/drawing tasks of 129 individuals. The results show that the model demonstrates a noteworthy performance.
Benzer Tezler
- Diabetic retinopathy detection using meta learning and deep learning techniques
Meta öğrenme ve derin öğrenme teknikleri kullanarak diyabetik retinopati tespiti
MUHAMMAD AMMAR KHAN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. ALİ OKATAN
- Afet yönetimi odaklı hücresel ağ kapsama performansı için mekansal yapay zeka tabanlı model önerisi
Geospatial artificial intelligence (GeoAI) based model proposal for cellular network coverage performance with a focus on disaster management
GÜZİDE MİRAY PERİHANOĞLU
Doktora
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. HİMMET KARAMAN
- Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini
Forecasting the spread of covid-19 using deep learning and big data analytics methods
CYLAS KIGANDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- Makine öğrenmesi yöntemleri kullanılarak kısa dönem rüzgar gücü tahmini
Short-term wind forecast using machine learning methods
KÜBRA YAZICI
Yüksek Lisans
Türkçe
2021
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. SEMRA BORAN
- Havacılıkta kullanılan pekiştirilmiş eğri kompozit panellerin düşük hızlı darbe sonucunda mekanik davranışının incelenmesi ve optimizasyonu
Investigation and optimization of mechanical behavior of stiffened curved composite panels used in aerospace subjected to under low velocity impact
TOLUNAY DAĞ
Yüksek Lisans
Türkçe
2024
Havacılık ve Uzay Mühendisliğiİskenderun Teknik ÜniversitesiHavacılık Bilimi ve Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ GÜVENÇ
PROF. DR. MESUT UYANER