Computer Engineering https://acikerisim.bingol.edu.tr/handle/20.500.12898/1237 2026-04-20T11:40:28Z 2026-04-20T11:40:28Z Türkoğlu, Muammer Alçin, Ömer Faruk Üstündağ, Mehmet Hanbay, Davut https://acikerisim.bingol.edu.tr/handle/20.500.12898/800 2021-04-02T11:48:18Z 2016-03-20T00:00:00Z

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.

2016-03-20T00:00:00Z Türkoğlu, Muammer Hanbay, Davut https://acikerisim.bingol.edu.tr/handle/20.500.12898/656 2021-04-02T11:48:18Z 2015-01-01T00:00:00Z

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.

2015-01-01T00:00:00Z Türkoğlu, İbrahim Daş, Bihter https://acikerisim.bingol.edu.tr/handle/20.500.12898/651 2021-04-02T11:48:18Z 2015-05-16T00:00:00Z

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.

2015-05-16T00:00:00Z Daş, Bihter Türkoğlu, İbrahim https://acikerisim.bingol.edu.tr/handle/20.500.12898/622 2021-04-02T11:48:18Z 2014-11-01T00:00:00Z

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