2 sonuçlar
Arama Sonuçları
Listeleniyor 1 - 2 / 2
Öğe Laws doku enerji ölçümü tabanli k-NN siniflandirici modeli ile iris tanima sistemi(IEEE, 20013-06-13) Acar, Emrullah; Özerdem, Mehmet SiraçBiyometrik tanıma teknolojisi genellikle çok pahallı ve son derece önemli güvenlik uygulamaları ile ilişkili olmuştur.İris tanıma sistemi, etkili biyometrik tanımasistemlerinden biridir. Bu çalışmada, farklı insanlardan elde edilen gözimgelerininiçerdiği irisdokuözelliklerinegörekişilerin tanınmasıamaçlanmıştır. İmgeler CASIAiris veritabanındanelde edilmiştir. İmge dokusuna duyarlı yeni yöntemlerdenbiri olanLawsDoku Enerji Ölçümü (Laws TEM) kullanılarak, iris dokusunun belirli yerelalanlarındanöznitelik vektörleri elde edilmiştir. kEn Yakın Komşu (k-NN) sınıflandırıcıparametrelerinden komşu sayısı(k) farklı değerlerde alınarak, elde edilen öznitelik vektörleri k-NN sınıflandırıcısı ile ayrıştırılmıştır. Farklı komşu sayılarına göre sisteminperformans değerlerikarşılaştırılmıştır. Sonuç olarak en yüksek ortalama performans,k-NNsınıflandırıcısınınk=1ve 2komşularıyapısında % 80.74olarak gözlemlenmiştir.Öğe Gabor dalgacık dönüşümü tabanlı yapay sinir ağı modeli ile zambak yaprağı imgelerinde pas hastalıklarının tespiti(Batman Üniversitesi, 2012-06-01) Acar, Emrullah; Çalışkan, Abidin; Sezgin, NecmettinBitkilerdeki hastalıklar, hasadı ve dolayısıyla verimi etkilemektedir. Hastalıkların önceden kestirilmesi, çiftçilerin alacağı önlemler ile verimi artıracaktır. Verimi etkileyen önemli hastalıkların başında pas hastalığı gelmektedir. Bu çalışmada bitki örneği olarak, zirai uygulamalarla ilgili farklı zirai sitelerden bir uzman yardımıyla elde edilmiş zambak çiçeği yaprak imgeleri kullanılmış olup, Gabor dalgacık dönüşümü tabanlı yapay sinir ağı modeli ile pas hastalığını tespit eden bir sistem tasarlanmıştır. İlk aşamada, imgelere ilişkin Gabor dalgacık dönüşümü kullanılarak her bir sayısal imgeden ayrı bir özellik matrisi elde edilip, matrislerin ortalama, standart sapma ve entropi gibi istatistiksel değerleri hesaplanmıştır. Bu değerler öznitelik vektörüne eklenerek, her bir imge için bir öznitelik vektörü oluşturulmuştur. İkinci aşamada, Gabor dalgacık dönüşümü tabanlı öznitelik vektörleri yapay sinir ağı modelinin girişine verilerek sınıflandırma için performansı en iyi ağ yapısı belirlenmeye çalışılmıştır. Zambak çiçeği yaprak imgeleri iki (1-sağlıklı, 2- hastalıklı) grupta sınıflandırılmış olup sınıflandırma çalışmaları sonucunda, en iyi ortalama performansa %80,00 başarı ile yapay sinir ağı modelinin (3-25-1) ağ yapısında ulaştığı gözlemlenmiştir.
