Classification of U-16 youth basketball players using balance metrics
Denge metrikleri kullanılarak U-16 genç basketbol oyuncularının sınıflandırılması
- Tez No: 969627
- Danışmanlar: DR. ÖĞR. ÜYESİ BURCU TUNÇ ÇAMLIBEL
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Bioengineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Temel olarak, atletik performans ve dengenin iç içe olduğu bilinmektedir. Postüral salınım parametrelerinin çeşitliliği ve bolluğu, kullanılan özelliklerin belirlenmesini ve sonuçların yorumlanmasını zorlaştırmaktadır. Bu tez, U-16 basketbol oyuncularını A sınıfı (yüksek performanslı oyuncular) veya B sınıfı (ortalama oyuncular) olarak sınıflandırmak için basınç merkezi (CoP) özelliklerini kullanmak için gerekli bir adım olarak makine öğrenimini dahil ederek bu boşluğu doldurmaktadır. Ham veriler, Dengede Duyusal Etkileşimin Modifiye Klinik Testi (mCTSIB) uyarınca bir kuvvet platformu kullanılarak toplanmıştır. Sinyalin ön işlemden geçirilmesi ve özelliklerin hesaplanmasının ardından, özellik setini kullanarak sınıf ayırma potansiyelini ölçmek için Spearman korelasyonu ve Mann Whitney U testi kullanılarak istatistiksel bir analiz uygulanmıştır. Ek testlerin gerekli olduğu belirlendikten sonra iki özellik seçim yöntemi uygulanmıştır: Normalleştirilmiş Ayrıklaştırma ile Karşılıklı Bilgi Özellik Seçimi (MIFS-ND) ve Modifiye Dinamik Alt Küme Yöntemi (mDSM). Sonuçlar, köpük bazlı koşullara odaklanmanın daha iyi özellik ayrılabilirliğine sahip olduğunu ve çıkarılan değişkenlerin çoğunun tüm koşullarda (ilk 15) tekrar tekrar seçildiğini göstererek bulguların geçerliliğini desteklemiştir. Yedi makine öğrenimi modeli: Destek Vektör Makinesi, Rastgele Orman, Extreme Gradient Boosting, Naive Bayes, Çok Katmanlı Perceptron, Tabular Sinir Ağı ve K-En Yakın Komşu sınıflandırmada uygulanmıştır. Modeller, seçilen özelliklerle her bir koşulla, seçilen özelliklerle tüm veri setiyle, seçim yapılmayan her bir koşulla ve seçim yapılmayan tüm veri setiyle beslenmiştir. En yüksek performans (ortalama %77 doğruluk) RBFSVM modeli ile gözler açık köpük-yüzey koşulunda tüm özellikler kullanılarak elde edilmiştir.
Özet (Çeviri)
Fundamentally, it is known that athletic performance and balance are intertwined. Postural sway parameters are varied and abundant, making it difficult to specify features used and interpret the results. This thesis fills this gap by incorporating machine learning as a needed step to utilize the center of pressure (CoP) features to classify U-16 basketball players into class A (high performing players) or class B (average players). The data was collected using a force platform as per the Modified Clinical Test of Sensory Interaction in Balance (mCTSIB). After preprocessing the signal and computing the features, a statistical analysis was applied using Spearman correlation and Mann Whitney U test, to gauge the potential of class separation using the feature set. After determining that additional testing was needed, two feature selection methods were applied: Mutual Information Feature Selection with Normalized Discretization (MIFS-ND) and Modified Dynamic Subset Method (mDSM). Results showed that a focus on foam-based conditions had better feature separability and many of the extracted variables were repeatedly picked with all conditions (top 15), supporting the validity of the findings. Support Vector Machine, Random Forest, Extreme Gradient Boosting, Naive Bayes, Multilayer Perceptron, Tabular Neural Network and K-Nearest Neighbours were applied in the classification. The models were fed with selected features from each condition, the entire dataset with selected features, each condition without selection, the entire dataset without selection. The highest performance (average accuracy of 77 %) was achieved with the RBFSVM model in the eyes-open foam-surface condition using the whole features extracted.
Benzer Tezler
- Serebral palsi tanısı olan çocukların erken çocukluk döneminde yaşama katılımının değerlendirilmesi
Evaluation of children with cerebral palsy in life participation in EARLY childhood period
BUSE ÖNEN OCAK
Tıpta Uzmanlık
Türkçe
2023
Çocuk Sağlığı ve HastalıklarıAnkara ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. EMİNE BAHAR BİNGÖLER PEKCİCİ
- Билим, илим жана маданият тармагындагы Кыргызстан менен Түркиянын кызматташтыгы (1992-2012 жж.)
Kırgız Cumhuriyeti ile Türkiye Cumhuriyeti arasında eğitim, bilim ve kültürel ilişkiler (1992-2012)
KADRİ AĞGÜN
Doktora
Kırgızca
2016
TarihKyrgyz State Unıversıty Named After I ArabaevTarih Ana Bilim Dalı
PROF. DR. TÖLÖBEK ABDRAHMANOV
- Multi-label classification of 12-lead ECG signal using a mixture-of-experts transformer model
Uzmanların karışımı bazlı dönüştürücü modeli ile 12 kanallı EKG sinyalinin çok etiketli sınıflandırılması
ATALAY ÇELİK
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiVeri Mühendisliği ve İş Analitiği Ana Bilim Dalı (disiplinlerarası)
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN
- Fekal kökenli enterobacteriaceae üyeleri ve pseudomonas sp.'ye ait spesifik fajların sınıflandırılması, elektron mikroskobunda incelenmesi ve faj DNA'larının in vitro paketlenmesi
The Classification of specific phages belonging to enterobacteriaceae members and pseudomonas sp. of fecal origin, examination under electron misroscope and in vitro packaging of phage DNA
HATİCE KORKMAZ GÜVENMEZ
- Çocukluk çağı hareket bozukluklarının sınıflamasına yönelik bilgi düzeyi ölçümü ve eğitimin etkisinin değerlendirilmesi
Measuring knowledge level on classification of childhood movement disorders and evaluating the effect of education
RANA GURBANOVA
Tıpta Uzmanlık
Türkçe
2021
Çocuk Sağlığı ve HastalıklarıEge ÜniversitesiÇocuk Sağlığı ve Eğitimi Ana Bilim Dalı
DOÇ. DR. SANEM KESKİN YILMAZ