Yazar "Baykan, Ömer Kaan" seçeneğine göre listele
Listeleniyor 1 - 8 / 8
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe Bilgisayar destekli un kalite izleme sistemi tasarımı(Selçuk Üniversitesi Fen Bilimleri Enstitüsü, 2007-07-20) Baykan, Ömer Kaan; Botsalı, Fatih MehmetBuğday unundaki inorganik maddeler kül olarak tanımlanmaktadır. Türk Gıda Kodeksi, buğday unundaki kül miktarını önemli kalite kriterlerinden birisi olarak kabul etmekte, bu nedenle buğday ununu içerdiği kül miktarına göre Tip 550, Tip 650, Tip 850 ve tam un tiplerine ayırmaktadır. Buğday unundaki kül oranı ülkemizde genellikle ICC ve AACC tarafından belirlenen standart yakma yöntemleri ile tespit edilmektedir. Her iki yöntemle kül miktarı tayini en az 4 saat zaman almakta ve elde edilen kül miktarı değerleri kişiden kişiye veya laboratuardan laboratuara değişkenlik arz edebilmektedir. Bu tez çalışmasında tasarlanan sistemle görüntü işleme ve yapay zekâ teknikleri kullanılarak buğday unundaki kül miktarı tahmin edilmiştir. Çalışmada öncelikle, kül oranları 0,472?1,681 arasında değişen buğday unu numunelerine ait sayısal görüntüler elde edilmiştir. Sayısal görüntülerden, dört farklı ikili eşikleme yöntemi (Otsu, Tsai, Kapur, Ramesh), iki farklı kümeleme algoritması (Fuzzy Cmeans, Kmeans) ile bulanık mantık tabanlı yeni bir kümeleme yöntemi kullanılarak una ait tanımlayıcı nitelikler elde edilmiştir. Elde edilen nitelikler kullanılarak, Çok Katmanlı Perseptron (ÇKP) Yapay Sinir Ağı modeli ile undaki kül miktarı tahmin edilmiştir. Tasarlanan sistem ile tahmin edilen kül değerlerinin deneysel yöntemle bulunan kül değerlerine göre ortalama hata ve regresyon katsayıları hesaplanarak tasarlanan sistemin kullanılabilirliği irdelenmiştir. Tasarlanan sistemin, kısa zaman aralığı içerisinde kabul edilebilir doğrulukta sonuçlar verdiği belirlenmiştir.Öğe Bone age determination in young children (newborn to 6 years old) using support vector machines(2016) Güraksın, Gür Emre; Uğuz, Harun; Baykan, Ömer KaanBone age is assessed through a radiological analysis of the left-hand wrist and is then compared to chronological age. A conflict between these two values indicates an abnormality in the development process of the skeleton. This study, conducted on children aged between 0 and 6 years, proposes a computer-based diagnostic system to eliminate the disadvantages of the methods used in bone age determination. For this purpose, primarily an image processing procedure was applied to the X-ray images of the left-hand wrist of children from different ethnic groups aged between 0 and 6 years. A total of 9 features, corresponding to the carpal bones and distal epiphysis of the radius bone with some physiological attributes of the children, were obtained. Then, by using gain ratio, the best 6 features were used for the classification process. Next, the bone age determination process was performed with the obtained features with the help of the support vector machine (SVM), naive Bayes, k-nearest neighborhood, and C4.5 algorithms. Finally, the features used in the determination process and their effects on the accuracies were examined. The results of the designed system showed that SVM method has a better achievement rate than the other methods at a rate of 72.82%. Additionally, in this study, a new feature corresponding to the distance between the centers of gravity of the carpal bones was used for the classification process, and the analysis of the related feature showed that there was a statistically significant difference at P <0.05 between this feature and bones in children aged between 0 and 6 years.Öğe A Comparison of Artificial Intelligence Methods on Determining Coronary Artery Disease(Springer-Verlag Berlin, 2010) Babaoğlu, İsmail; Baykan, Ömer Kaan; Aygül, Nazif; Özdemir, Kurtuluş; Bayrak, MehmetThe aim of this study is to show a comparison of multi-layered perceptron neural network (MLPNN) and support vector machine (SVM) on determination of coronary artery disease existence upon exercise stress testing (EST) data. EST and coronary angiography were performed on 480 patients with acquiring 23 verifying features from each. The robustness of the proposed methods is examined using classification accuracy, k-fold cross-validation method and Cohen's kappa coefficient. The obtained classification accuracies are approximately 78% and 79% for MLPNN and SVM respectively. Both MLPNN and SVM methods are rather satisfactory than human-based method looking to Cohen's kappa coefficients. Besides, SVM is slightly better than MLPNN when looking to the diagnostic accuracy, average of sensitivity and specificity, and also Cohen's kappa coefficient.Öğe Digital görüntü kalitelerinin tanımlanması üzerine bir çalışma(Selçuk Üniversitesi Fen Bilimleri Enstitüsü, 2001-08-28) Baykan, Ömer Kaan; Yıldız, Ferruh; TR117795Bu çalışmada, digital görüntü kavramı incelenmiş bu amaçla görüntü kalitesine etki eden unsurlar ve görüntü oluşturmak için kullanılan cihazlardan masa üstü tarayıcıların yapısı ve çalışma şekli ile görüntüleme cihazlarının görüntü kalitesine etkileri incelenmiştir. Bu amaçla uluslararası, alanda fotoğraf, görüntü kalitesi ve optik sistemler ile ilgilenen organizasyonların görüntü kalitesi üzerine belirledikleri kriterler sunulmuştur. Yine bu organizasyonların ürettikleri test parçalan, geliştirilen uygulama programlan vasıtası ile deneysel uygulamalara tabi tutularak görüntü kalitesi ve görüntünün kalitesine etkiyen faktörler incelenmiştir.Öğe Effects of Feature Selection Using Binary Particle Swarm Optimization on Wheat Variety Classification(Springer-Verlag Berlin, 2010) Babalık, Ahmet; Baykan, Ömer Kaan; İşcan, Hazim; Babaoğlu, İsmail; Fındık, OğuzIn this article, classification of wheat varieties is aimed with the help of multiclass support vector machines (M-SVM) and binary particle swarm optimization (BPSO) algorithm. For each wheat kernel, 9 geometric and 3 color features are obtained from the digital images which are belong to 5 wheat type. Wheat types are classified using M-SVM. In order to increase the reliability of the classification process, 2 fold cross validation approach is implemented and this process repeated 250 times. Average classification accuracy is obtained as 91.5%. With the aim of increasing the classification accuracy and decreasing the process time, descriptive features are decreased by BPSO algorithm and reduced from 12 to 7. Average of classification accuracy is obtained as 92.02% using 7 features obtained from reduction with BPSO.Öğe Elektronik deneyleri için sanal laboratuar uygulaması(Selçuk Üniversitesi Teknik Bilimler Meslek Yüksekokulu, 2007) Gündüz, Mesut; Baykan, Ömer Kaan; Yıldız, FerruhWeb tabanlı eşzamansız (asenkron) eğitim son zamanlarda ülkemizde ve dünyada yeni ve gelişen bir eğitim modeli olarak karşımıza çıkmaktadır. Bu çalışmada Selçuk Üniversitesi Mühendislik Mimarlık Fakültesi Bilgisayar Mühendisliği Bölümünde temel donanım derslerini web tabanlı olarak desteklemek ve deneysel uygulamaların altyapısını oluşturmak üzere bir çalışma amaçlanmıştır. Sanal laboratuar sitesi ile öğrenciler için ders materyalleri hazırlanmış, gerçekleştirilecek uygulamaların benzetimleri (simulation) yapılmış, konu testleri eklenmiş ve bir adet dönem sonu sınavı hazırlanmıştır. Öğrenciler web aracılığı ile ders materyallerine ulaşarak uygulamanın nasıl yapılacağını görmekte, benzetim yaparak kurulacak uygulamanın şemasını ve uygulama sonunda elde edeceği sonuçları görebilmekte, konu testleri alabilmekte ve dönem sonunda bir çevrimiçi sınav alabilmektedir. Temel donanım uygulamalarında öğrencilere faydalı olabilmek amacıyla hazırlanan bu çalışmanın uygulamaya girmesiyle birlikte, öğrencilerin derslere daha hazır gelmeleri, gerçekleştirdikleri deneylerin doğruluğunu görerek emin olmaları, hazırlanan testler sayesinde sınavlara daha iyi hazırlanmaları, geribildirimler sayesinde kendilerini daha iyi değerlendirebilmeleri hedeflenmektedir.Öğe Gri kurt optimizasyon algoritmasına dayanan çok seviyeli imge eşik seçimi(2018) Koç, İsmail; Baykan, Ömer Kaan; Babaoğlu, İsmailÇoklu eşikleme, görüntü işleme ve örüntü tanıma için önemli bir görüntü işleme tekniğidir. Optimal bir eşik değerinin seçimi görüntü eşiklemede en ciddi aşamalardan birisidir. İki seviye segmentasyon eşik değeri yardımıyla orijinal resmi iki alt bölüme ayırmayı içerirken, çoklu segmentasyon çok eşik değerlerini içermektedir. Özellikle çok seviyeli görüntü eşiklemede, detaylı araştırmaya ilişkin hesaplama zamanı tercih edilen eşik sayısıyla birlikte üstel olarak artmaktadır. Zor problemler için, sürü zekâsı başarılı ve etkili optimizasyon metotlarından biri olarak bilinmektedir. Bu çalışmada, doğadaki gri kurtların sosyal liderlik ve avcılık davranışlarını taklit eden son zamanlarda önerilmiş sürü tabanlı meta sezgisel olan gri kurt algoritması (GWO) çok seviyeli görüntü eşikleme probleminin çözümü için kullanılmaktadır. Standart test resimleri üzerinde yapılan deneysel sonuçlar GWO algoritmasının diğer modern algoritmalarla karşılaştırılabilir olduğunu göstermektedir.Öğe Training of artificial neural network using metaheuristic algorithm(2017) Alwaisi, Shaimaa; Baykan, Ömer KaanThis article clarify enhancing classification accuracy of Artificial Neural Network (ANN) by using metaheuristic optimizationalgorithm. Classification accuracy of ANN depends on the well-designed ANN model. Well-designed ANN model Based on the structure,activation function that are utilized for ANN nodes, and the training algorithm which are used to detect the correct weight for each node.In our paper we are focused on improving the set of synaptic weights by using Shuffled Frog Leaping metaheuristic optimization algorithmwhich are determine the correct weight for each node in ANN model. We used 10 well known datasets from UCI machine learningrepository. In order to investigate the performance of ANN model we used datasets with different properties. These datasets havecategorical, numerical and mixed properties. Then we compared the classification accuracy of proposed method with the classificationaccuracy of back propagation training algorithm. The results showed that the proposed algorithm performed better performance in the mostused datasets.