2 sonuçlar
Arama Sonuçları
Listeleniyor 1 - 2 / 2
Öğe EMG sinyallerinin aşırı ögrenme makinesi ile sınıflandırılması(IEEE, 2013-06-13) Ertuğrul, Ömer Faruk; Tağluk, Mehmet Emin; Kaya, Yılmaz; Tekin, Ramazan; Batman Üniversitesi Mühendislik - Mimarlık Fakültesi Bilgisayar Mühendisliği BölümüFrom disease detection to action assessment EMG signals are used variety of field. Miscellaneous studies have been conducted toward analysis of EMG signals. In this study some statistical features of signal were derived, the best evocative features were selected via Linear Discriminant Analysis (LDA) and feature vectors were constructed. This analytic feature vectors were classified through Extreme Learning Machine (ELM). 8 channel EMG signals recorded from 10 normal and 10 aggressive actions were used as an example. By cross-comparison of the obtained results to the ones obtained via various feature identifying methods (AR coefficients, wavelet energy and entropy) and classification methods (NB, SVM, LR, ANN, PART, Jrip, J48 and LMT) the success of the proposed method was determined.Öğe OECD ülkelerinin sigorta pazar paylarının çok değişkenli istatistiksel yöntemlerle incelenmesi(Batman Üniversitesi, 2019-12-25) Arı, Erkan; Gülcemal, Merve EsraSon yıllarda dünyada sigortacılık sektörü dinamik bir hal almaya başlamıştır. Özellikle gelişmekte olan ülkelerde sigortalanabilir pek çok kapasitenin boş olması, gelişmiş ülkeleri kendisine çekmektedir. Türkiye’nin, sigorta pazar payı açısından diğer OECD ülkeleri ile kıyaslandığında geride kaldığı söylenebilir. Sigorta pazar payını arttırabilmek için toplumun, sigortacılık faaliyetlerinin hem ülke ekonomisine hem de topluma olan faydaları konusunda bilgilendirilmesi gerekmektedir. Bunun yanı sıra, toplumda zorunlu sigortalar ve sağlık sigortaları gibi yaygın sigortaların yanında diğer sigorta branşlarının da yaygınlaşması için yapılacak olan pazarlama çalışmaları da sigorta pazar payını arttıracaktır. Bu çalışmanın amacı, OECD ülkelerinin 2016 yılı sigorta pazar payını, makro ekonomik ve sigortacılık göstergeleri yardımıyla değerlendirmektedir. Bu amaçla ikincil verilerden yararlanılarak kümeleme analizi ile ülkeler belirlenen göstergeler açısından sınıflandırılmış, ayırma analiziyle, kümeleme analizinde yapılan sınıflandırmanın doğruluğu araştırılmış ve çok boyutlu ölçekleme analiziyle de ülkelerin benzerlik durumları incelenmiştir. Çalışmanın sonucunda, ülkeler 4 kümede toplanmış olup kümelenmenin doğruluk oranı %100 olarak bulunmuştur. Pazar payı açısından Türkiye’nin üç boyutlu uzaydaki konumu, diğer OECD ülkelerine uzaktır. Türkiye’ye en çok benzeyen ülke Yeni Zelanda iken, Türkiye’ye en benzemeyen ülke ise Macaristan’dır.
