Bilgisayar Mühendisliği Bölümü
http://acikerisim.bingol.edu.tr/handle/20.500.12898/1237
Computer Engineering2024-03-28T22:58:18ZGeometrik ve istatistiksel özelliklere dayalı yaprak tanıma sistemi
http://acikerisim.bingol.edu.tr/handle/20.500.12898/800
Geometrik ve istatistiksel özelliklere dayalı yaprak tanıma sistemi
Türkoğlu, Muammer; Alçin, Ömer Faruk; Üstündağ, Mehmet; Hanbay, Davut
Bu çalışmada, örüntü tanıma sistemlerinde hızlı ve kolay hesap yapabilen ve aynı zamanda sistem performansını arttıran, Merkez Kenar Uzaklıkları (MKU) metodu kullanılarak yaprak tanıma sistemi geliştirilmiştir. Yapılan çalışmada farklı açılar kullanılarak farklı sayıda öznitelikler elde edilmiştir. Hesaplanan özniteliklere morfolojik özellikler ve istatistiksel özellikler de eklenerek sistem dayanımlı hale getirilmiştir. Elde edilen öznitelikler Aşırı Öğrenme Makineleri (AÖM) kullanılarak sınıflandırılmıştır. Sistemin performansını belirlemek için 10-kat çapraz geçerlilik testi kullanılmıştır. Yapılan çalışmalarda en yüksek 20º için %94.33 sınıflandırma doğruluğu elde edilmiştir.
2016-03-20T00:00:00ZDestek vektör makinaları kullanılarak yaprak tanıma ile üzüm çeşitlerinin sınıflandırılması
http://acikerisim.bingol.edu.tr/handle/20.500.12898/656
Destek vektör makinaları kullanılarak yaprak tanıma ile üzüm çeşitlerinin sınıflandırılması
Türkoğlu, Muammer; Hanbay, Davut
Bu çalışmada, üzüm ağacı türlerini sınıflandırmak için yaprak görüntülerinden elde edilen özellikler çoklu-sınıf destek vektör makinaları kullanılarak sınıflandırılmıştır. Özellik çıkarma aşamasında üzüm yapraklarından 9 farklı özellik çıkarılmıştır. Görüntü işleme aşaması gri tonlu arama, medyan filtreleme, kontrast, eşikleme ve morfolojik-mantıksal işlemleri kapsamaktadır. Sınıflandırma aşamasında, çoklusınıf destek vektör makinaları(ÇSDVM) yardımı ile elde edilen özellikler kullanılarak sınıflandırma işlemi gerçekleştirilmiştir. Test aşamasında, farklı yaprak görüntüleri uygulanarak modelin başarımı hesaplanmıştır. Bu çalışmada, MATLAB yazılımı kullanılmıştır. Test sonucunda toplam başarı oranı %90.7 olarak hesaplanmıştır.
2015-01-01T00:00:00ZDNA dizilimlerindeki protein kod bölgelerinin tanımlanması için fourier tabanlı filtreleme yaklaşımı
http://acikerisim.bingol.edu.tr/handle/20.500.12898/651
DNA dizilimlerindeki protein kod bölgelerinin tanımlanması için fourier tabanlı filtreleme yaklaşımı
Türkoğlu, İbrahim; Daş, Bihter
Genomik araştırmalarda protein kod bölgelerinin belirlenmesi çok zordur. Üç baz periyotuna sahip bu kod bölgeleri ekson olarak ta adlandırılır. Bu makalenin amacı, bir DNA dizilimindeki eksonların pozisyonlarını Fourier tabanlı filtreleme yaklaşımı kullanarak tahmin etmektir. Bu amaç doğrultusunda insan türünün M8694 genine ait DNA dizilimleri EIIP haritalama tekniği ile sayısal diziye dönüştürülmüştür. Sayısallaştırılmış DNA dizilimlerinin zaman frekans domeni Fourier yöntemi ile elde edilmiş ve antinotch filtresi kullanılarak 3 periyotlu sinyal filtrelenmiştir. Filtrelenmiş sinyalin ekson bölgeleri belirlenen persentil eşik değerine göre başarılı bir şekilde tanımlanmıştır.
2015-05-16T00:00:00ZDNA dizilimlerinin sınıflandırılmasında karar ağacı algoritmalarının karşılaştırılması
http://acikerisim.bingol.edu.tr/handle/20.500.12898/622
DNA dizilimlerinin sınıflandırılmasında karar ağacı algoritmalarının karşılaştırılması
Daş, Bihter; Türkoğlu, İbrahim
DNA dört tip nükleotidden oluşan bir zincir moleküldür. Son yıllarda DNA üzerinde yapılan çalışmalarda, DNA ‘daki nükleotid dizilişlerinin birbiri ardı sıra tekrar ettiği görülmüştür. STR olarak adlandırılan ve çeşitli alanlarda kullanılan bu tekrarlar genetik hastalıklarda, adli amaçlı kimlik tespitinde, babalık araştırmaları ve tümör biyokimyasal araştırılmaları gibi birçok farklı amaçlar için kullanılmaktadır.
Bu makale çalışmasında, 4 bakteri türünün farklı uzunluklardaki DNA dizilimleri alınarak, bu dizilimlerde tekrar eden nükleotid çiftlerin frekansı bulunmuş ve elde edilen bu frekans değerlerine Karar Ağacı algoritmalarından J48, LMT ve RandomForest uygulanarak bir sınıflandırılma yapılmıştır. Sınıflandırma sonucunda RandomForest algoritmasının, J48 ve LMT algoritmalarından sınıflandırma başarımının çok daha yüksek olduğu görülmüştür.
2014-11-01T00:00:00Z