Target classıfıcatıon on dıfferent envıronments and actıvıtıes usıng seısmıc sensor and machıne learnıng
Sismik sensör ve makine öğrenimi kullanilarak farkli ortamlar ve etkinlikler hakkinda hedef siniflandirma
- Tez No: 952570
- Danışmanlar: DOÇ. DR. HAKAN KUTUCU
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 128
Özet
Dünya çapındaki en önemli görevlerden biri, belirli geniş alanlarda (örneğin ormanlar) ve bazı ülkelerin sınır bölgelerinde güvenliği sağlamaktır. Bu bölgeleri güvenliği sağlayarak güvence altına almak için birçok yaklaşım tasarlanmıştır. Bunu mümkün olduğunca iyi bir şekilde yapmanın ekonomik ve pratik engelleri vardır. Bunlar, güvenlik çitleri veya robotlar veya güvenlik personeli konuşlandırılmış dikenli tellerle geleneksel güvenlik yöntemleri olabilir. Ancak bu yöntemler pahalı ve karmaşıktır. Ayrıca, birçok durumda, özellikle çevre koşullarının ve bölgesel özelliklerin değişmesiyle birlikte amaçlanan hedefi yerine getirmezler. Sensörler (örneğin sismik sensörler), hedefleri izlemedeki hassasiyetleri, düşük maliyetleri, hafiflikleri ve sahip oldukları yetenekler nedeniyle güvenliği sağlamanın en başarılı yollarından biri olmuştur. Ancak zorluklar devam etmektedir. vi Bu makale, bu sensörler tarafından üretilen sinyallerin bozulmasının nedenlerini bulmak için bir deney yürütmüştür. Özellikle, elde edilen eğitim verileri deneysel verilerdir (genel olarak asfalt, çamur, çimen ve toprak olmak üzere farklı çevre koşulları ve dört farklı yüzey aracılığıyla toplanmıştır). Ayrıca bir deneyde çeşitli hedefler (insanlar, hayvanlar, motosikletler ve arabalar) gerçekleştirildi. Her hedef, sinyal varyasyonlarının uygun ve eksiksiz bir şekilde anlaşılmasını sağlamak için farklı aktiviteler gerçekleştirdi. Daha sonra, sinyaller analiz için işlendi ve iki algoritmaya göre ayrıntılı olarak işlendi, doğrulandı ve sınıflandırıldı: k-en yakın komşular (k-NN) ve destek vektör makinesi (SVM). k-NN (%96,88) ve SVM (%98,57) yüksek doğruluklar sağladı. Anahtar Sözcükler : Sismik sensör, Sinyal bozulması, SVM, KNN, Hareketli hedef tanıma
Özet (Çeviri)
One of the crucial tasks around the globe is to provide security in particular vast areas (e.g., forests) and the border areas of some countries. Many approaches have been designed to secure these regions by enforcing security. There are economic and practical barriers to getting it done as well as possible. These can be traditional methods of security with security fences or barbed wire setup with robots or security personnel deployed. But these methods are expensive and complicated. In addition, in many cases, they do not fulfill the intended objective, especially with the alteration of environmental conditions and regional features. Sensors (for example seismic sensors) have been one of the most successful ways to provide security due to their sensitivity in tracking targets, low cost, lightweight as well as the capability which they have. But challenges remain. This paper conducted an experiment to find out the reasons for the distortion of the signals generated by these sensors. Specifically, the iv training data obtained are experimental data (collected through different environmental conditions and four different surfaces, which include asphalt, mud, grass, and soil, in general). Various targets (humans, animals, motorbikes, and cars) were also carried out in an experiment. Each target performed distinct activities to ensure proper and complete comprehension of the signal variations. Then, the signals were processed for analysis and were processed in detail, validated, and classified based on two algorithms: k-nearest neighbors (k-NN) and support vector machine (SVM). The k-NN (96.88%) and SVM (98.57%) gave high accuracies. Keywords Science Code : Seismic sensor, Signal distortion, SVM, KNN, Moving target recognition
Benzer Tezler
- Burdur ilinin yerel zemin koşullarının deprem davranışına etkisi
The effect of local soil conditions of Burdur settlement area on earthquake behavior
MEHMET ALPYÜRÜR
Doktora
Türkçe
2022
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MUSAFFA AYŞEN LAV
- The significance and the contribution of 6+1 traits of writing to the success of the students in writing courses in English language teaching
Yazmanın 6+1 özelliğinin İngilizce öğretiminde yazılı anlatım derslerindeki öğrenci başarısına katkısı ve önemi
ÖZLEM YAZAR
Yüksek Lisans
İngilizce
2004
Eğitim ve ÖğretimGazi Üniversitesiİngiliz Dili Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. PAŞA TEVFİK CEPHE
- Yetkinlik yönetimi kapsamında çevrim içi eğitimleri alan çalışanların e-öğrenme stillerine göre sınıflandırılması ve farklı değişkenlerle değerlendirilmesi
Classification of e-learning styles and evaluation with different variables in online learning environment
NEVCAN AKSOY
Yüksek Lisans
Türkçe
2023
Eğitim ve ÖğretimGazi ÜniversitesiBilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı
DOÇ. DR. MUTLU TAHSİN ÜSTÜNDAĞ
- Antimicrobial peptide activity prediction using machine learning methods
Makine öğrenmesi yöntemleriyle antimikrobiyal peptit aktivite tahmini
ÜMMÜ GÜLSÜM SÖYLEMEZ
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BURCU GÜNGÖR