Yazar "Köklü, Murat" seçeneğine göre listele
Listeleniyor 1 - 6 / 6
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe Determination of Effective and Specific Physical Features of Rice Varieties by Computer Vision in Exterior Quality Inspection(Selçuk Üniversitesi, 2021) Çınar, İlkay; Köklü, MuratIn this study, feature extraction processes were performed based on the image processing techniques using morphological, shape and color features for five different rice varieties of the same brand. A total of 75 thousand pieces of rice grain were obtained, including 15 thousand pieces of each variety of rice. Preprocessing operations were applied to the images and made available for feature extraction. A total of 106 features were inferred from the images; 12 morphological features and 4 shape features obtained using morphological features and 90 color features obtained from five different color spaces (RGB, HSV, L*a*b*, YCbCr, XYZ). In addition, for the 106 features obtained, features were selected by ANOVA, X2 and Gain Ratio tests and useful features were determined. In all tests, out of 106 features, the 5 most effective and specific features were obtained roundness, compactness, shape factor 3, aspect ratio and eccentricity. The color features were listed in different order following these features.Öğe Feature extraction and recognition on traffic sign images(Selçuk Üniversitesi, 2020) Çınar, İlkay; Taşpınar, Yavuz Selim; Sarıtaş, Mücahid Mustafa; Köklü, MuratIt is vital that the traffic signs used to ensure the order of the traffic are perceived by the drivers. Traffic signs have international standards that allow the driver to learn about the road and the environment while driving. Traffic sign recognition systems have recently started to be used in vehicles in order to improve traffic safety. Machine learning methods are used in the field of image recognition. Deep learning methods increase the classification success by extracting the hidden and interesting features in the image. Images contain many features and this situation can affect success in classification problems. It can also reveal the need for high-capacity hardware. In order to solve these problems, convolutional neural networks can be used to extract meaningful features from the image. In this study, we created a dataset containing 1500 images of 14 different traffic signs that are frequently used on Turkey highways. The features of the images in this dataset were extracted using convolutional neural networks from deep learning architectures. The 1000 features obtained were classified using the Random Forest method from machine learning algorithms. 93.7% success was achieved as a result of this classification process.Öğe İstatistik derslerinin uzaktan eğitimle istatistiksel güvenirlirliği(Selçuk Üniversitesi Fen Bilimleri Enstitüsü, 2005-01-07) Köklü, Murat; Genç, AşırGünümüzde bilişim teknolojilerinde büyük ve hızlı gelişmeler görülmektedir. Özellikle internet, web yazılım ve donanım teknolojilerindeki gelişmeler ve yaygınlaşma daha hızlı ve etkin öğrenme sürecini olumlu yönde etkilemektedir. Yeni teknolojiler günlük yaşamın görüntüsünü ve biçimini değiştirmekle kalmayıp özellikle gelişmiş ülkelerde eğitim ve öğretiminin de yapışım değiştirmeye başlamıştır. Bu noktada üretilen eğitim yazılımları yanında çok sayıda da eğitim reformu alanında uğraş veren kurum ortaya çıkmıştır. Uzun yıllardan beri dünyada ve ülkemizde açık öğretim veya yaygın öğretim adı altında ön lisans ve lisans düzeyinde örgün eğitimin haricinde eğitim verilmektedir. İletişim teknolojisinin gelişmesiyle birlikte yaygın öğretime olan talep de artmıştır. Günümüzde uzaktan eğitimde kullanılan araçların çeşitlenmesi ve güçlenmesi nedeniyle bu öğretim türüne olan ilgi daha da artacaktır. Eğitim-öğretim amaçlı bilginin; iletişim organları, örneğin; Radyo, televizyon, bilgisayar, Internet ve benzeri araçlarla elektronik olarak istenilen mekana ulaştırılmasına uzaktan eğitim denilmektedir. Bu çalışmada, son yıllarda Dünya ve Türkiye'de değişik alanlarda hızla kullanılmaya başlanılan uzaktan eğitim modeli, gelişimi, tarihsel süreci, incelenmiştir. Uzaktan eğitim hakkında çok çeşitli tanımlar vermek mümkündür. Ancak kısaca tanımlanacak olursa uzaktan eğitim; eğitimci ile öğrencilerin eşzamanlı veya eşzamansız olabilen ve mekan gerektirmeksizin gerçekleştirdikleri eğitimdir. Uzaktan eğitim modelinin geleneksel yüz yüze eğitim kadar etkili olup olmadığı birçok eğitmenin tartıştığı bir konudur. Uzaktan eğitim ve geleneksel eğitim yöntemlerinin karşılaştırıldığı araştırmalar bize şunu göstermiştir: uzaktan eğitim için gerekli teknikler eğitimde doğru ve uygun bir şekilde kullanıldığı, öğrenciler arasında iletişim sağlanıldığı takdirde ve öğrencinin değerlendirmesini yapıp eksiklerini tamamlayacak öğretmen mevcut bulunduğu sürece, uzaktan eğitim modeli de en az geleneksel eğitim kadar başarılı ve etkilidir. Bu çalışmada uzaktan eğitime örnek olması açısından bir uzaktan eğitim uygulanması hazırlanmıştır. Hazırlanan bu uygulama örneği Selçuk Üniversitesi Fen Edebiyat Fakültesi İstatistik Bölümünde okutulmakta olan İstatistik derslerinin eğitimini, uzaktan eğitim metodu ile verilmesini hedeflemektedir.Öğe A new accurate and efficient approach to extract classification rules [Siniflandirma kurallarinin çikarimi için etkin ve hassas yeni bir yaklaşim](Gazi Universitesi Muhendislik-Mimarlik, 2014) Köklü, Murat; Kahramanlı, Humar; Allahverdi, NovruzA new method for extracting rules from multi-class datasets was proposed in this study. The proposed method was applied to 4 different data set. Discrete and real attributes were decoded in different ways. Discrete attributes were coded as binary whereas real attributes were coded by using two real values These values indicate the midpoint and the expansion of intervals of the attributes that form the rules. Classification success was used as fitness function of rule extraction. CLONALG which is Artificial Immune Systems (AIS) algorithm was used to optimize the fitness function. To apply the proposed method Iris, Wine, Glass and Abalone datasets were used. The datasets were obtained from machine learning repository of University of California at Irvine (UCI). The proposed method achieved prediction accuracy ratios of 100%, 99,44%, 77,10%, and 62,59% for Iris, Wine, Glass and Abalone datasets, respectively. When it is compared with the previous studies it has been seen that the proposed method achieved more successful results and has advantage in terms of complexity.Öğe Sınıflandırma kurallarının çıkarımı için etkin ve hassas yeni bir yaklaşım(2014) Köklü, Murat; Kahramanlı, Humar; Allahverdi, NovruzBu çalışmada çok sınıflı verilerden kural çıkarımı için yeni bir yöntem önerilmiştir. Önerilen metot 4 farklı veri kümesi üzerinde uygulanmıştır. Ayrık ve gerçel nitelikler farklı şekilde kodlanmıştır. Ayrık nitelikler ikili olarak, gerçek nitelikler ise, iki gerçel değer kullanılarak kodlanmıştır. Bu değerler kuralları oluşturan niteliklerin değer aralıklarının orta noktası ve genişlemesidir. Kural çıkarım işlemi için sınıflandırma başarısı uygunluk fonksiyonu olarak kullanılmıştır. Uygunluk fonksiyonunun optimizasyonu amacıyla Yapay Bağışıklık Sistemi (YBS) algoritması olan CLONALG kullanılmıştır. Önerilen yöntemi uygulamak için Süsen çiçeği (Iris), Şarap (Wine), Cam Kimliklendirme (GlassIdentification) ve Deniz Kabuğu (Abalone) veri kümeleri kullanılmıştır. Veriler Irvine California Üniversitesi (UCI) makine öğrenmesi veri tabanından elde edilmiştir. Önerilen metot kullanılarak Süsen çiçeği için %100, Şarap için %99,44, Cam kimliklendirme için %77,10 ve Deniz Kabuğu için %62,59 doğruluk elde edilmiştir. Diğer yöntemlerle kıyaslandığında önerilen yöntem kullanılarak daha başarılı sonuçlar elde edildiği ve hesaplama karmaşıklığı açısından da avantajlı olduğu görülmüştür.Öğe Sınıflandırma problemlerinde kural çıkarımı için yeni bir yöntem geliştirilmesi ve uygulamaları(Selçuk Üniversitesi Fen Bilimleri Enstitüsü, 2014-09-12) Köklü, Murat; Allahverdi, Novruz; Kahramanlı, HumarBilgisayar teknolojileri ve veri tabanı yazılımlarındaki gelişmeler sonucunda büyük miktarda veri birikmiş ve eldeki verilerden anlamlı bilgi çıkarma ihtiyacı ortaya çıkmıştır. Büyük miktarda depolanan bu veriler birçok gizli örüntü içermesine rağmen, toplanan veri miktarı büyüdükçe ve verilerdeki karmaşıklık arttıkça, geleneksel yöntemler ile veri bilgiye dönüştürülemez hale gelmektedir. Bu nedenle günümüzde büyük miktarda verileri çözümlemek amacıyla veri madenciliği yöntemleri yaygın bir şekilde kullanılmaktadır. Veri madenciliği yöntemlerinden sınıflandırma, kümeleme ve birliktelik kuralı keşfetme sıklıkla tercih edilmektedir. Sınıflandırma, önceden kategorisi belli olan veriler kullanılarak bir model oluşturulup, yeni karşılaşılan verinin hangi sınıfa ait olduğunu belirleme işlemidir. Yeni bir verinin, belirli sınıflar içinde hangi sınıfa ait olduğunu tespit edecek bir sınıflayıcı oluşturmak amacıyla veri madenciliği yöntemleri sıklıkla kullanılmaktadır. Bu sınıflandırma yöntemleri genellikle başarılı olmasına rağmen, ortaya konulan değişik sınıflandırma ve kural çıkarma algoritmaları özellikle çok sınıflı gerçek dünya problemleri için henüz arzu edilen seviyeye ulaşamamıştır. Bu tez çalışmasında çok sınıflı verilerden kural çıkarımı için yeni bir yöntem geliştirilmiştir. Geliştirilen bu yöntemde ayrık ve gerçel öznitelikler farklı şekilde kodlanmıştır. Ayrık öznitelikler ikili olarak, gerçek öznitelikler ise, iki gerçel değer kullanılarak kodlanmıştır. Gerçel değerler kuralları oluşturan özniteliklerin değer aralıklarının orta noktası ve genişlemesini ifade etmektedir. Kural çıkarım işlemi için sınıflandırma başarısı uygunluk fonksiyonu olarak kullanılmıştır. Uygunluk fonksiyonunun optimizasyonu amacıyla Yapay Bağışıklık Sistemi (YBS) yöntemlerinden olan CLONALG algoritması kullanılmıştır. Önerilen yöntem en uygun aralıkları keşfettiğinden dolayı bu yönteme isim olarak "Aralık Keşfi" anlamına gelen INDISC (INterval DISCovery) verilmiştir. INDISC yöntemi 8 farklı veri kümesi üzerinde test edilmiştir. INDISC yöntemini uygulamak için Pima yerlileri diyabet hastalığı, Orjinal wisconsin göğüs kanseri, Teşhis wisconsin göğüs kanseri, Deniz kabuğu, Süsen çiçeği, Cam kimliklendirme, Şarap ve Tiroid hastalığı veri kümeleri kullanılmıştır. Veriler Irvine California Üniversitesi (UCI) makine öğrenmesi veri deposundan temin edilmiştir. INDISC yöntemi, Pima yerlileri diyabet hastalığı %80.34, Wisconsin göğüs kanseri (orjinal) %99.12, Wisconsin göğüs kanseri (teşhis) %96.31, Deniz kabuğu %62.59, Süsen çiçeği %100, Cam kimliklendirme %77.10, Şarap %99.44 ve Tiroid hastalığı %93.95 doğrulukla sınıflandırmıştır. Diğer yöntemlerle elde edilen başarı yüzdeleri ile geliştirdiğimiz INDISC yöntemi başarı yüzdeleri karşılaştırılmıştır. Tüm veri kümelerinde INDISC yöntemi ile elde edilen sonuçların diğer yöntemlerle elde edilen sonuçlardan daha başarılı olduğu görülmüştür.
