Temel bileşenler analizi ve kanonik korelasyon analizi ile imge tanıma ve sınıflandırma
Image recognition and classification by principal component analysis and canonical correlation analysis
- Tez No: 355680
- Danışmanlar: YRD. DOÇ. YAKUP SABRİ ÖZKAZANÇ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Görüntü işleme yöntemleri, Görüntü işleme-bilgisayarlı, Görüntü sınıflandırma, Görüntü tanıma, Sayısal görüntü işleme, Çoklu sınıflandırma, Image processing methods, Image processing-computer assisted, Image classification, Image recognition, Digital image processing, Multi classification
- Yıl: 2014
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada temel bileşenler ve kanonik korelasyon analizlerinin imge tanıma ve sınıflandırma problemlerindeki rolü incelenmiştir. Temel bileşenler analizi yüz tanıma problemlerinde yaygın olarak kullanılan bir öznitelik seçimi ve boyut indirgeme yöntemidir. Bu çalışmada, kanonik bileşenler analizinin de imge tanıma ve sınıflandırma problemleri için etkin bir öznitelik belirleme ve boyut indirgeme yöntemi olarak kullanılabileceği gösterilmiş ve temel bileşenler analizi ile kıyaslamaları yapılmıştır. Çalışmada, çok sınıflı imge sınıflandırma problemlerine yönelik olarak, çoklu kanonik bileşenler analizinin bir öznitelik belirleme ve indirgeme paradigması olarak kullanılabileceği gösterilmiştir. Önerilen yaklaşım çeşitli imge sınıflandırma problemlerine uygulanmış ve sonuçlar karşılaştırmalı olarak analize tabi tutulmuştur. Çalışılan örnek problemler üzerinden, kanonik korelasyon analizinin imge tanıma ve sınıflandırma problemlerinde, temel bileşeler analizine kıyasla daha etkin bir boyut indirgeme yöntemi olduğu görülmüştür. Kanonik bileşenler analizi ile öznitelikleri belirlenmiş ve boyut indirgemesi yapılmış imgeler üzerinden farklı sınıflandırma yöntemleri karşılaştırmalı olarak çalışılmıştır. Yapılan çalışmalarda, doğrusal ayırma analizi ve en-yakın-komşu gibi temel sınıflandırma algoritmalarının kanonik bileşenler analizi ile uyumlu olarak kullanılabileceği ve doğrusal-olmayan sınıflandırma yöntemlerine başvurmadan, daha yüksek tanıma başarımları elde edilebileceği gözlenmiştir.
Özet (Çeviri)
This work investigates the role of canonical correlations analysis in image recognition and classification problems with comparison to principal components analysis. Principal components analysis is a well-known and widely used feature selection and reduction method for face recognition problems. In this thesis, canonical correlation analysis is proposed as an alternative feature selection and reduction method for generic image recognition and classification problems. This new method is studied via various image recognition and classification problems in comparison with principal components. Multiple canonical correlation analysis is proposed as a new feature selection and dimension reduction algorithm for image classification problems involving multiple classes. By studying various image recognition and classification problems, it is shown that canonical correlation analysis is a more efficient methodology for feature reduction in comparison to principal components analysis. Canonical correlation analysis is studied together with various classification algorithms. Comparative studies show that higher classification/recognition performance of canonical correlation analysis can be achieved with basic classification algorithms like linear discriminant analysis or nearest-neighbor methods without resorting to nonlinear classification methodologies.
Benzer Tezler
- Çoklu bağlantı sorununun kanonik korelasyon belirteçleri üzerine etkisi
The effects of the multicollinearity problem on the canonical correlation markers
MERVE TÜRKEGÜN
Yüksek Lisans
Türkçe
2015
BiyoistatistikMersin ÜniversitesiBiyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
PROF. DR. EMİNE ARZU KANIK
- Eşlenik ilişki analizi ile çok değişkenli doğrusal olmayan jeoistatistiksel kestirim
Multivariate nonlinear geostatistical estimation using canonical correlation analysis
ELİF AKCAN
Doktora
Türkçe
2009
Maden Mühendisliği ve MadencilikHacettepe ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
PROF. DR. A. ERHAN TERCAN
- Bir otomotiv yan sanayi kuruluşunda veri madenciliği uygulaması
A data mining application in an automotive supplier industry
MELEK ÇELİK
Yüksek Lisans
Türkçe
2009
Endüstri ve Endüstri MühendisliğiUludağ ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEDA ÖZMUTLU
- Gereksizliği belirleme analizi ve diğer çok değişkenli analizlerle ilişkisi
Başlık çevirisi yok
YASEMİN URAL
- Optimal ölçekleme ile düzeltilmiş en küçük kareler yöntemi (OÖDEKK)
Alternating least squares with optimal scaling method
NURETTİN KAYA