Enhancing footprintid with intelligent feature selection: A wrapper-based approach for efficient indoor pedestrian recognition
Akıllı özellik seçimiyle ayak izi tanımını geliştirme: Etkin iç mekan yaya tanıması için sarmalama tabanlı bir yaklaşım
- Tez No: 956522
- Danışmanlar: PROF. DR. MEHMET RAŞİT ESKİCİOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Makine öğrenmesi, Yaya davranışları, Öge seçimi, Machine learning, Pedestrian behaviors, Feature selection
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yapay Zeka Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma,“Handler Değişken Frekansı”aşamasına özel bir odaklanma ile FootprintID sistemindeki özellik seçimi sürecini iyileştirir. Birincil amaç, Destek Vektör Makinesi (SVM) yöntemini uygulamadan önce en alakalı özellikleri belirleyerek hem doğruluğu hem de verimliliği artırmaktır. Yinelemeli Özellik Eleme (RFE) ve İleri Özellik Seçimi (FFS) dahil olmak üzere gelişmiş özellik seçimi teknikleri, manipüle edilmiş veri kümeleri üzerinde değerlendirildi ve kişi tanımada iyileştirilmiş performans elde edildi. Farklı özellik seçimi yöntemlerini içeren çeşitli SVM modellerinin karşılaştırmalı analizi, FFS'li SVM'nin en yüksek doğruluğu %54'e ulaştığını, doğrusal çekirdek SVM'nin %50 ve RFE'li SVM'nin %49 performansını geride bıraktığını ortaya koydu. Genel olarak, FFS, hassasiyet ve doğruluğu optimize ederken hassasiyet ve geri çağırma arasında uygun bir dengeyi koruyarak en dengeli ve etkili modeli gösterdi.
Özet (Çeviri)
This study refines the feature selection process in the FootprintID system, with a specific focus on the“Handler Variable Frequency”stage. The primary objective is to enhance accuracy and efficiency by identifying the most pertinent features before applying the Support Vector Machine (SVM) method. Advanced feature selection techniques, including Recursive Feature Elimination (RFE) and Forward Feature Selection (FFS), were evaluated on manipulated datasets, resulting in improved performance in person recognition. A comparative analysis of various SVM models incorporating different feature selection methods revealed that the SVM with FFS achieved the highest accuracy 54%, surpassing the performance of the linear kernel SVM 50% and the SVM with RFE 49%. Overall, FFS demonstrated the most balanced and effective model, optimizing precision and accuracy while maintaining an appropriate balance between precision and recall.
Benzer Tezler
- Landsat uyduları aracılığı ile elde edilen görüntülerin işlenmesinde kontrast artırma tekniklerinin tanımı ve bu tekniklere ilişkin bilgisayar programlarının hazırlanması üzerine bir çalışma
Başlık çevirisi yok
BİLHAN TABAK
Yüksek Lisans
Türkçe
1986
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Isı borusu prensibinin güneşli su ısıtıcılarına ve damıtmaya uygulanması
Başlık çevirisi yok
ALİ YÜCEL UYAREL
- Batı Anadolu linyitlerinin koklaşabilme özelliklerinin incelenmesi
The Investigation of cokingability properties of west-anatolia lignites
JALE YANIK
- Protein biyosentez inhibitörlerinin bazı bitki viruslarına etkileri üzerinde araştırmalar
Research on the effects of protein biosynthesis inhibitors on some plant viruses
SEBİLA AKSOY