6 sonuçlar
Arama Sonuçları
Listeleniyor 1 - 6 / 6
Öğe GLCM tabanlı k-nn sınıflandırıcı modeli ile avuç içi tanıma sistemi(Batman Üniversitesi, 2012-06-01) Çalışkan, Abidin; Acar, Emrullah; Kaya, YılmazK 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.Öğe Randomized feed-forward artificial neural networks in estimating short-term power load of a small house: A case study(IEEE, 2017-11-02) Ertuğrul, Ömer Faruk; Tekin, Ramazan; Kaya, YılmazRandomized feed-forward artificial neural networks (ANNs) have been employed in various domains. This paper was written in order to assess the efficiency of the basic forms of randomized feed-forward ANNs, which are randomized weight artificial neural network, random vector functional link network, extreme learning machine, and radial bases function neural network. In order to compare these methods, a complex dataset, which is the power load of a small house dataset, was used. Obtained results showed that lower training error rates were achieved by randomized vector functional link network. On the other hand, lower test error rates were achieved by ELM. Furthermore, ELM has faster training and test stages than the other employed randomized ANNs.Öğe Polen görüntülerinin yapısal özellikler ile sınıflandırılması(IEEE, 2013) Çalışkan, Abidin; Kaya, Yılmaz; Erez, Mehmet EmreBu çalışmada, bitkilere ait polen tanelerini bir uzman kişinin yardımına ihtiyaç duymadan farklı taksonomik kategorilere ayıran bir bilgisayarla görü sistemi geliştirilmiştir. Polen taneleri üç boyutlu karmaşık bir yapıya sahip olmalarına rağmen birbirlerinden ayırt edilebilir özellikler taşırlar. Çalışmada polen görüntülerin sınıflandırılması için yerel kenar örüntüler (YKÖ) kullanılmıştır. Önerilen sistem 3 aşamadan oluşmaktadır. Birinci aşamada polen görüntülerine Sobel kenar algoritması uygulanarak yapısal özelliklerin belirgin olduğu yeni görüntüler elde edilmiştir. İkinci aşamada yeni görüntülerden YKÖ elde edilmiş, son aşamada ise elde edilen özellikler ile makine öğrenmesi yöntemleri ile sınıflandırma işlemi gerçekleştirilmiştir. YKÖ ile %98,48 gibi önemli bir sınıflandırma başarısı elde edilmiştir.Öğe A novel approach for SEMG signal classification with adaptive local binary pattern(Springer Nature, 2015-12-31) Ertuğrul, Ömer Faruk; Kaya, Yılmaz; Tekin, RamazanFeature extraction plays a major role in the pattern recognition process, and this paper presents a novel feature extraction approach, adaptive local binary pattern (aLBP). aLBP is built on the local binary pattern (LBP), which is an image processing method, and one-dimensional local binary pattern (1D-LBP). In LBP, each pixel is compared with its neighbors. Similarly, in 1D-LBP, each data in the raw is judged against its neighbors. 1D-LBP extracts feature based on local changes in the signal. Therefore, it has high a potential to be employed in medical purposes. Since, each action or abnormality, which is recorded in SEMG signals, has its own pattern, and via the 1D-LBP these (hidden) patterns may be detected. But, the positions of the neighbors in 1D-LBP are constant depending on the position of the data in the raw. Also, both LBP and 1D-LBP are very sensitive to noise. Therefore, its capacity in detecting hidden patterns is limited. To overcome these drawbacks, aLBP was proposed. In aLBP, the positions of the neighbors and their values can be assigned adaptively via the down-sampling and the smoothing coefficients. Therefore, the potential to detect (hidden) patterns, which may express an illness or an action, is really increased. To validate the proposed feature extraction approach, two different datasets were employed. Achieved accuracies by the proposed approach were higher than obtained results by employed popular feature extraction approaches and the reported results in the literature. Obtained accuracy results were brought out that the proposed method can be employed to investigate SEMG signals. In summary, this work attempts to develop an adaptive feature extraction scheme that can be utilized for extracting features from local changes in different categories of time-varying signals.Öğe Bazi euphorbia (Euphorbiaceae) tohum türlerinin siniflandirilmasi için yerel ikili örüntüler tabanli bir bilgisayar görü sistemi(IEEE, 2013) Çalışkan, Abidin; Kaya, Yılmaz; Karabacak, OsmanBu çalışmada tohum görüntülerin sınıflandırılması için bir bilgisayar görü sistemi önerilmiştir. Sayısal tohum görüntülerinden elde edilen yerel ikili tekdüze örüntüler kullanılarak tohum sınıflandırılması gerçekleştirilmiştir. Çalışmada 240 (120 eğitim ve 120 test) tohum görüntüsü kullanıldı. Öncelikle eğitim setindeki her tohum türü için ortalama tekdüze histogramlar (tohum türü sınıfları) elde edildi. Daha sonra test setindeki her tohum için LBP histogramı üretilip ve tohum türü sınıflarına ait histogramlar ile karşılaştırılarak en yakın komşuluk yöntemi ile sınıflandırma işlemi gerçekleştirildi. Tohum örnekleri arasındaki uzaklıkların hesaplanmasında ise Öklit uzaklığı, hata kareler toplamı, histogram kesişimi ölçütü ve Chi-kare istatistiği kullanıldı. Önerilen yöntem ile tohum görüntülerin %95,83 doğru teşhis edilmiştir. Sonuç olarak tohumların yüzey şekilleri taksonomik ilişkilerin belirlenmesi açısından önemli desen bilgileri barındırdığından bilgisayar görü sistemleri tohum türünün tanımlanmasında önemli avantajlar sağlayacağı öngörülmektedir.Öğe Detection of Parkinson's disease by Shifted One Dimensional Local Binary Patterns from gait(Elsevier, 2016-09) Ertuğrul, Ömer Faruk; Kaya, Yılmaz; Tekin, Ramazan; Almalı, Mehmet NuriThe Parkinson's disease (PD) is one of the most common diseases, especially in elderly people. Although the previous studies showed that the PD can be diagnosed by expert systems through its cardinal symptoms such as the tremor, muscular rigidity, disorders of movements and voice, it was reported that the presented approaches, which utilize simple motor tasks, were limited and lack of standardization. To achieve a standard approach in PD detection, an approach, which is built on shifted one-dimensional local binary patterns (Shifted 1D-LBP) and machine learning methods, was proposed. Shifted 1D-LBP is built on 1D-LBP, which is sensitive to local changes in a signal. In 1D-LBP the positions of neighbors around center data are constant and therefore, the number of patterns that can be exacted by it is limited. This drawback was solved by Shifted 1D-LBP by changeable positions of neighbors. In evaluation and validation stages, the Gait in Parkinson's Disease (gaitpdb) dataset, which consists of three gait datasets that were recorded in different tasks or experiment protocols, were employed. Statistical features were exacted from formed histograms of gait signals transformed by Shifted 1D-LBP. Whole features and selected features were classified by machine learning methods. Obtained results were compared with statistical features exacted from signals in both time and frequency domains and results reported in the literature. Achieved results showed that the proposed approach can be successfully employed in PD detection from gait. This work is not only an attempt to develop a PD detection method, but also a general-purpose approach that is based on detecting local changes in time ordered signals.
