GLCM tabanlı k-nn sınıflandırıcı modeli ile avuç içi tanıma sistemi
| dc.authorid | 0000-0001-5039-6400 | en_US |
| dc.authorid | 0000-0002-1897-9830 | en_US |
| dc.contributor.author | Çalışkan, Abidin | |
| dc.contributor.author | Acar, Emrullah | |
| dc.contributor.author | Kaya, Yılmaz | |
| dc.date.accessioned | 2019-03-11T05:50:00Z | |
| dc.date.available | 2019-03-11T05:50:00Z | |
| dc.date.issued | 2012-06-01 | |
| dc.department | Batman Üniversitesi Mühendislik - Mimarlık Fakültesi Bilgisayar Mühendisliği Bölümü | en_US |
| dc.department | Batman Üniversitesi Mühendislik - Mimarlık Fakültesi Elektrik-Elektronik Mühendisliği Bölümü | en_US |
| dc.description.abstract | K en yakın komşuluk algoritması, sınıflandırma problemini çözen bir algoritmadır. Sınıflandırma, yeni bir imgenin özniteliklerini inceleme ve bu imgeyi önceden tanımlanmış bir sınıfa atamaktır. Önemli olan, her bir sınıfın özelliklerinin önceden belirlenmiş olmasıdır.Bu çalışmada Hongkong Politeknik Üniversitesi veritabanına ait avuç içi imgeleri kullanılmıştır. El imgeleri ön işlemden geçirildikten sonra avuç içi imgeleri elde edilmiştir. Gri seviye eş oluşum matrisi (GLCM) metodu kullanılarak her bir imgeden öz nitelik parametreleri elde edilmiştir. Bu parametreler k en yakın komşuluk algoritması (k-NN) sınıflandırıcısının girişine verilerek performansı en iyi sistem tasarlanmıştır. Sonuç olarak en iyi performans k=1 komşuluk yapısında % 91.4 olarak gözlemlenmiştir. | en_US |
| dc.description.abstract | Knearest neighboralgorithmis an algorithmthat solvesthe problem ofclassification. The classification is to analyse texture features of a new image and to assign them into a predefined class. The important thingis that the features of each class shoul be determined previously.In this work, the Hong Kong Polytechnic University Palmprint Database image is used. After the preprocessing of hand images; the region of interest, namely sub-image of palm print is extracted from the original images. The texture features are extracted by using theGreyLevelCo-Occurrence Matrix (GLCM). Then, GLCM based texture features vectors are applied to k-Nearest Neighbor(k-NN) method as inputs for classification. Finally, the best performance is observed as % 91.4 in the k=1 structure. | en_US |
| dc.identifier.citation | Çalışkan, A , Acar, E , Kaya, Y . (2012). GLCM tabanlı k-nn sınıflandırıcı modeli ile avuç içi tanıma sistemi Batman Üniversitesi Yaşam Bilimleri Dergisi, 1 (2), ss. 1-10. | en_US |
| dc.identifier.endpage | 10 | en_US |
| dc.identifier.issn | 2147-4877 | |
| dc.identifier.issn | 2459-0614 | |
| dc.identifier.issue | 2 | en_US |
| dc.identifier.startpage | 1 | en_US |
| dc.identifier.uri | http://dergipark.gov.tr/download/article-file/313465 | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12402/1897 | |
| dc.identifier.volume | 1 | en_US |
| dc.language.iso | tr | en_US |
| dc.publisher | Batman Üniversitesi | en_US |
| dc.relation.journal | Batman Üniversitesi Yaşam Bilimleri Dergisi | en_US |
| dc.relation.publicationcategory | Makale - Ulusal Hakemli Dergi - Kurum Yayını | en_US |
| dc.rights | info:eu-repo/semantics/openAccess | en_US |
| dc.rights | Attribution 3.0 United States | * |
| dc.rights.uri | http://creativecommons.org/licenses/by/3.0/us/ | * |
| dc.subject | Avuç içi tanıma | en_US |
| dc.subject | GLCM | en_US |
| dc.subject | k-NN | en_US |
| dc.subject | Örüntü tanıma | en_US |
| dc.subject | Palm print recognition | en_US |
| dc.subject | Pattern recognition | en_US |
| dc.title | GLCM tabanlı k-nn sınıflandırıcı modeli ile avuç içi tanıma sistemi | en_US |
| dc.title.alternative | Palm print recognition with GLCM based k-NN classifier model | en_US |
| dc.type | Article | en_US |
