Enhancing footprintid with intelligent feature selection: A wrapper-based approach for efficient indoor pedestrian recognition
Akıllı özellik seçimiyle ayak izi tanımını geliştirme: Etkin iç mekan yaya tanıması için sarmalama tabanlı bir yaklaşım
- Tez No: 956522
- Danışmanlar: PROF. DR. MEHMET RAŞİT ESKİCİOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yapay Zeka Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 60
Özet
Bu çalışma,“Handler Değişken Frekansı”aşamasına özel bir odaklanma ile FootprintID sistemindeki özellik seçimi sürecini iyileştirir. Birincil amaç, Destek Vektör Makinesi (SVM) yöntemini uygulamadan önce en alakalı özellikleri belirleyerek hem doğruluğu hem de verimliliği artırmaktır. Yinelemeli Özellik Eleme (RFE) ve İleri Özellik Seçimi (FFS) dahil olmak üzere gelişmiş özellik seçimi teknikleri, manipüle edilmiş veri kümeleri üzerinde değerlendirildi ve kişi tanımada iyileştirilmiş performans elde edildi. Farklı özellik seçimi yöntemlerini içeren çeşitli SVM modellerinin karşılaştırmalı analizi, FFS'li SVM'nin en yüksek doğruluğu %54'e ulaştığını, doğrusal çekirdek SVM'nin %50 ve RFE'li SVM'nin %49 performansını geride bıraktığını ortaya koydu. Genel olarak, FFS, hassasiyet ve doğruluğu optimize ederken hassasiyet ve geri çağırma arasında uygun bir dengeyi koruyarak en dengeli ve etkili modeli gösterdi.
Özet (Çeviri)
This study refines the feature selection process in the FootprintID system, with a specific focus on the“Handler Variable Frequency”stage. The primary objective is to enhance accuracy and efficiency by identifying the most pertinent features before applying the Support Vector Machine (SVM) method. Advanced feature selection techniques, including Recursive Feature Elimination (RFE) and Forward Feature Selection (FFS), were evaluated on manipulated datasets, resulting in improved performance in person recognition. A comparative analysis of various SVM models incorporating different feature selection methods revealed that the SVM with FFS achieved the highest accuracy 54%, surpassing the performance of the linear kernel SVM 50% and the SVM with RFE 49%. Overall, FFS demonstrated the most balanced and effective model, optimizing precision and accuracy while maintaining an appropriate balance between precision and recall.
Benzer Tezler
- Energy efficiency and security of rıs-aided communication networks
Ris-tabanli haberleşme ağlarinda enerji verimliliği ve güvenlik
HAKAN ALAKOCA
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. LÜTFİYE DURAK ATA
- Integration of sustainable energy sources into data centre electrical systems
Sürdürülebilir enerji kaynaklarının veri merkezi elektrik sistemlerine entegrasyonu
CİHAN ŞAHİN
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. BELGİN TÜRKAY
- Enhancing disaster management through deep learning: Building damage assessment using satellite imagery
Derin öğrenme ile afet yönetiminin geliştirilmesi: Uydu görüntüleri kullanılarak bina hasar tespiti
MOHAMMADREZA MOHAMMADIAHANI
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiAfet ve Acil Durum Yönetimi Ana Bilim Dalı
PROF. DR. DİDEM SALOĞLU DERTLİ
- AI-driven sustainability in agriculture- enhancing resource efficiency and reducing environmental impact
Yapay zeka destekli tarımda sürdürülebilirlik – kaynakverimliliğini artırma ve çevresel etkiyi azaltma
SULAİMAN ALLAWİ
- Üniversite öğrencilerinin çevresel sorunları algılama ve ekolojik ayak izi farkındalık düzeylerinin ekonometrik model ile incelenmesi: Adana ili örneği
Investigation of university students' environmental problems perception and ecological footprint awareness levels by econometric model: The case of Adana province
ESMA ZEREYALP
Yüksek Lisans
Türkçe
2025
EkonometriÇukurova ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. GÜLSEN KIRAL