Tez detayları

Örüntü tanımada altuzay metriklerinin birleştirilmesi = Combining with the subspace metrics on pattern recognition

Yazarlar:

Künkçü, Şükran

Yayıncı:

Eskişehir Osmangazi Üniversitesi

Ana Başlıklar:

Teknoloji | Mühendislik ve uygulamalı operasyonlar

Belge Tipi:

Tezler

Program Tipi:

Doktora (Phd)

Yayın Tarihi:

12/2007

Belge Dili:

Türkçe

Document ID (Org No.):

2000078345

Anahtar sözcükler:

Bilim Ve Teknoloji

Özet

The purpose of classifier combination is to achieve better recognition rates inpattern recognition. It is expected that successful classifiers are achieved BM usingwithin class and between class distributions in pattern recognition. In this thesis, a newclassifier is developed, which is used BM combining metrics that are obtained fromwithin_Class and between_Class distributions BM using neural network architecture.In the experimental the work, the artifical data, MNIST, TIMIT and IRIS data base wereused for two class problem. The performance of the combined classifier was tested onthese database and compared with the other subspace methods and the other multipleclassifiers. The performance of the new combined classifier are 90 % and 85 % forartifical data, 91.5 % for MNIST database, 50.88 % for TIMIT database, 92.91 % forIRIS database. When the obtained results are examined, it is observed that thedeveloped combined method on the artifical data is much more succesfull then the othersubspace metrics. However better results could?nt obtained on MNIST database. Inmany cases, it is observed that the developed method on TIMIT and IRIS databases givebetter results. In combined method, the usage of between class metric must be rewieved.

Sınıflandırıcı birleştirmedeki amaç örüntü tanımada daha iyi başarımlar eldeetmektir. Örüntü sınıflamada, sınıf içi ve sınıflar arası dağılımları birliktekullanılmasının sınıflandırma başarımını arttırması beklenmektedir. Bu çalışmada, ikisınıfproblemi için sınıf içi ve sınıflar arası dağılımdan elde edilen ölçütleri bir yapaysinir ağı mimarisi ile birleştiren yeni bir sınıflandırıcı geliştirilmiştir. Deneyselçalışmada, yapay veriler, MNIST, TIMIT ve IRIS veri tabanları kullanılmıştır.Geliştirilen sınıflandırıcı iki-sınıf problemi göz önüne alınarak bu veri kümelerinde testedilmiş ve diğer alt uzay yöntemleri ve çoklu sınıflayıcılarla karşılaştırılmıştır. Doğrutanıma yüzde başarısı olarak; yapay veriler için % 90, MNIST veri tabanı için %91.5,TIMIT veri tabanı için %50.88, IRIS veri tabanı için %92.91 sonuçları elde edilmiştir.Elde edilen sonuçlar değerlendirildiğinde geliştirilen sınıflandıcı birleştirmeyönteminin, yapay veri üzerinde diğer altuzay ölçütlerine göre daha başarılı olduğugörülmüştür. MNIST veri tabanında daha iyi sonuçlar alınamamıştır. TIMIT ve IRISveri tabanlarında, sınıflandırma sonuçlarından beklenen iyileştirme elde edilememiştir.Bunun nedeni kullanılan sınıflar-arası ölçütün sınıflamaya çok fazla katkısınınolmamasıdır. Yapay veriler üzerinden elde edilen sonuçlar, önerilen sınıflandırıcınıngeliştirilerek gerçek sınıflandırma problemlerinde kullanılabileceğini göstermektedir.

Tez detayları

Örüntü tanımada altuzay metriklerinin birleştirilmesi = Combining with the subspace metrics on pattern recognition

Yazarlar: Künkçü, Şükran

Yayıncı: Eskişehir Osmangazi Üniversitesi

Ana Başlıklar: Teknoloji | Mühendislik ve uygulamalı operasyonlar

Belge Tipi: Tezler

Program Tipi: Doktora (Phd)

Yayın Tarihi: 12/2007

Belge Dili: Türkçe

Document ID (Org No.): 2000078345