Örüntü tanıma uygulamalarında alt uzay analiziyle öznitelik seçimi ve sınıflandırma
Feature selection and classification by subspace analysis in pattern recognition applications
- Tez No: 178927
- Danışmanlar: YRD. DOÇ. DR. RİFAT EDİZKAN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Sınıflandırma, Örüntü tanıma, Classification, Pattern recognition
- Yıl: 2008
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, örüntü tanımanın üç temel öğesi olan öznitelik çıkarımı, öznitelik seçimi ve sınıflandırma konuları üzerinde durulmuştur.Öznitelik çıkarımı konusunda, ses ve konuşma sinyalleri için Fourier dönüşümüne alternatif olabilecek dalgacık dönüşümü temelli bir öznitelik çıkarım yöntemi önerilmektedir. Farklı karakteristikteki ses sinyallerini içeren veritabanları üzerinde yapılan deneylerde, dalgacık özniteliklerinin Fourier özniteliklerine göre, özellikle durağan olmayan ve ani frekans değişimleri içeren sinyalleri daha iyi temsil ettiği gözlenmiştir.Öznitelik seçimi konusunda, özniteliklerin bireysel ayırdedicilik derecelerini belirleyen altuzay temelli iki yeni ayrılabilirlik ölçüsü geliştirilmiştir. Bu ölçüler daha sonra çok sınıflı örüntü tanıma problemlerinde öznitelik seçimi amacıyla kullanılmıştır. Farklı sayı ve yapıda özniteliği barındıran veritabanları üzerinde yapılan deneyler, altuzay temelli ölçülerle yapılan öznitelik seçiminin, uzaksaklık ve Bhattacharyya gibi klasik ayrılabilirlik ölçüleriyle yapılan seçime göre gerek sınıflandırma hassasiyeti gerekse boyut indirgeme açısından daha başarılı olduğunu ortaya koymuştur.Sınıflandırma konusunda genetik algoritma temelli yeni bir altuzay sınıflandırıcı geliştirilmiştir. Yeni sınıflandırıcı hem sınıf-içi hem de sınıflar-arası ilişkileri değerlendirmekte; ayrıca, klasik altuzay sınıflandırıcıların aksine altuzay izdüşümü için gerek büyük gerekse küçük özdeğerlere karşılık gelen özyönleri birlikte kullanabilmektedir. Çeşitli veritabanları üzerinde yapılan deneylerde, genetik altuzay sınıflandırıcı klasik altuzay yöntemlerine göre bu özelliği ile öne çıkarak karşılaştırılabilir ya da daha yüksek bir sınıflandırma başarımı sağlamıştır.
Özet (Çeviri)
In this thesis study, feature extraction, feature selection and classification subjects, which are the three fundamental topics of pattern recognition, are studied.In feature extraction, a wavelet transform based feature extraction method for sound and speech signals is proposed as alternative to classic Fourier transform. Experiments on several datasets containing signals with different characteristics indicate that the wavelet features represent signals better than the Fourier features in case of non-stationary structure and instantaneous frequency changes.In feature selection, two novel separability measures, which detect the individual discriminatory powers of the features, are developed. These measures are then employed for feature selection in multi-class pattern recognition problems. Experiments on several datasets with different characteristics and different number of features reveal that the subspace based feature selection is better than classic separability measures such as Divergence and Bhattacharyya in terms of both classification accuracy and dimension reduction.In classification, a genetic algorithm based subspace classifier is developed. New classifier evaluates both within-class and between-class relationships; moreover, it is capable of using the eigendirections corresponding to both large and small eigenvalues together for subspace projection unlike the classic subspace classifiers. Due to these properties, the genetic subspace classifier provides comparable or even better classification performance with respect to the classic subspace methods in the experiments that are carried out for different datasets.
Benzer Tezler
- Gizli Markov model ile bilgisayarda konuşma tanıma: Özellik uzayında ve altuzayda sınıflandırıcı tasarımı
Computer speech recognition: Design of a classifier in feature space and subspaces
RİFAT EDİZKAN
Doktora
Türkçe
1999
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ATALAY BARKANA
- Radiküler kist ve granülomların dijital histogram analizi ile ayırdedilmesi
Differention of radicular cyst and granulomas with digital histogram analysis
ÜLKEM AYDIN
Doktora
Türkçe
1998
Diş HekimliğiGazi ÜniversitesiDiş Hastalıkları ve Tedavisi Ana Bilim Dalı
PROF. DR. TAYFUN ALAÇAM
- Destek vektör makineleri çoklu sınıf problemleri için çözüm önerileri
Propasals to solve support vector machines multiclass problems
EMRE ÇOMAK
Yüksek Lisans
Türkçe
2004
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ.DR. AHMET ARSLAN
- Pattern recognition: Comparison study
Örnek algılanması: Karşılaştırma çalışması
FAWZI SALİM
Yüksek Lisans
İngilizce
2005
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiBilgisayar Mühendisliği Bölümü
PROF.DR. MEHMET TOLUN
- Histopatolojik imgelerin değerlendirilmesinde örüntü tanıma temelli karar destek sistemleri
Decision support systems based on pattern recognition for evaluating of histopathologic images
SUAT TORAMAN
Yüksek Lisans
Türkçe
2006
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
Y.DOÇ.DR. İBRAHİM TÜRKOĞLU