Yazar "Uzer, Mustafa Serter" seçeneğine göre listele
Listeleniyor 1 - 7 / 7
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe Feature Selection Method Based on Artificial Bee Colony Algorithm and Support Vector Machines for Medical Datasets Classification(HINDAWI LTD, 2013) Uzer, Mustafa Serter; Yilmaz, Nihat; Inan, OnurThis paper offers a hybrid approach that uses the artificial bee colony (ABC) algorithm for feature selection and support vector machines for classification. The purpose of this paper is to test the effect of elimination of the unimportant and obsolete features of the datasets on the success of the classification, using the SVM classifier. The developed approach conventionally used in liver diseases and diabetes diagnostics, which are commonly observed and reduce the quality of life, is developed. For the diagnosis of these diseases, hepatitis, liver disorders and diabetes datasets from the UCI database were used, and the proposed system reached a classification accuracies of 94.92%, 74.81%, and 79.29%, respectively. For these datasets, the classification accuracies were obtained by the help of the 10-fold cross-validation method. The results show that the performance of the method is highly successful compared to other results attained and seems very promising for pattern recognition applications.Öğe Görme Tabanlı Mobi?l Robot ile Farklı Renklerde Nesneleri?n Gerçek Zamanlı Taki?bi?(Gazi Univ, Fac Engineering Architecture, 2010) Uzer, Mustafa Serter; Yılmaz, Nihat; Bayrak, MehmetBu çalışmada, görme tabanlı mobil robot ile farklı renklerde nesnelerin gerçek zamanlı takibi uygulaması gerçekleştirilmiştir. Geliştirilen robot; keşif, güvenlik ve gözlem alanlarındaki faaliyetlerde de kullanılabilecek özelliklere sahiptir. Bu görme tabanlı mobil robotun, sadece görüntü işleme ve robotik görme teknikleri kullanılarak otonom bir şekilde hareket ettirilmesi hedeflenmiştir. Farklı renklerde (kırmızı, mavi, yeşil) nesneleri takip edebilen robotun gerçek zamanlı işlemeye uygun olacak şekilde, tepki verme süresi 96 ms ile 106 ms aralığındadır. Geliştirilen iki farklı görüntü işleme algoritması ile mavi ve kırmızı renkli nesneler için % 100, yeşil renkli nesneler için ise % 60' lık bir tanıma başarısı sağladığı deneylerle görülmüştür. Doğrusal ve dairesel yörüngelerde renkli nesne takibi deneylerinde, ortalama 5,7 cm/s hızda maksimum 4,5 cm' lik sapma tespit edilmiştir.Öğe Görme tabanlı mobil robot ile farklı renklerde nesnelerin gerçek zamanlı takibi(2010) Uzer, Mustafa Serter; Yılmaz, Nihat; Bayrak, MehmetBu çalışmada, görme tabanlı mobil robot ile farklı renklerde nesnelerin gerçek zamanlı takibi uygulaması gerçekleştirilmiştir. Geliştirilen robot; keşif, güvenlik ve gözlem alanlarındaki faaliyetlerde de kullanılabilecek özelliklere sahiptir. Bu görme tabanlı mobil robotun, sadece görüntü işleme ve robotik görme teknikleri kullanılarak otonom bir şekilde hareket ettirilmesi hedeflenmiştir. Farklı renklerde (kırmızı, mavi, yeşil) nesneleri takip edebilen robotun gerçek zamanlı işlemeye uygun olacak şekilde, tepki verme süresi 96 ms ile 106 ms aralığındadır. Geliştirilen iki farklı görüntü işleme algoritması ile mavi ve kırmızı renkli nesneler için % 100, yeşil renkli nesneler için ise % 60’ lık bir tanıma başarısı sağladığı deneylerle görülmüştür. Doğrusal ve dairesel yörüngelerde renkli nesne takibi deneylerinde, ortalama 5,7 cm/s hızda maksimum 4,5 cm’ lik sapma tespit edilmiştir.Öğe Görme tabanlı mobil robotun farklı renklerde nesneleri takibi(Selçuk Üniversitesi Fen Bilimleri Enstitüsü, 2008-07-21) Uzer, Mustafa Serter; Bayrak, MehmetBu çalışmada görme tabanlı bir mobil robotun değişik renklerdeki nesneleri takibi gerçekleştirilmiştir. Bina içi düz zeminlerde hareket edebilen görme tabanlı mobil robot, navigasyon çeşitlerinden nesne tabanlı bina içi navigasyona temel teşkil edecek şekilde tasarlanmıştır. Ayrıca robot; keşif, güvenlik ve gözlem alanlarındaki faaliyetlerde de kullanılabilecek özelliklere sahiptir. Bu görme tabanlı mobil robotun, görüntü işleme ve robotik görme teknikleri kullanılarak otonom bir şekilde hareket ettirilmesi hedeflenmiş ve kamera dışında herhangi bir algılayıcı kullanılmadan, geliştirilen algoritmalar sayesinde bu işlem gerçekleştirilmiştir. Bu çalışma; mekanik, elektronik, yazılım ve haberleşme olmak üzere dört farklı disiplinden oluşmaktadır. Mekanik kısımda; elektronik kartları, kablosuz kamerayı ve motorları taşıyan üç tekerlekli bir taşıyıcı kullanılmıştır. Elektronik kısım; mikrodenetleyici kartı, dc motor sürücü kartı, besleme kartı, kablosuz kamera ve Bluetooth modülünden oluşmaktadır. Yazılım kısmı ise mikrodenetleyici algoritması, görüntü işleme algoritması ve haberleşme algoritmalarını içermektedir. Sistemin en önemli kısmı olan haberleşme için görüntünün bilgisayara aktarılması işlemi kablosuz kameranın alıcı ve vericisiyle sağlanırken, görüntü işleme sonucu elde edilecek ve robotun hareketini sağlayacak olan verinin gönderilmesi ise Bluetooth tekniği ile gerçekleştirilmiştir. Bu çalışmada, mikrodenetleyici yazılımı dışındaki bütün yazılımlar için Matlab programı kullanılmıştır. Ayrıca, projede taşınabilir bilgisayar ile mobil robotun haberleşmesi bina içinde 65 metre mesafeye kadar kablosuz olarak yapılmıştır.Öğe A hybrid breast cancer detection system via neural network and feature selection based on SBS, SFS and PCA(SPRINGER, 2013) Uzer, Mustafa Serter; Inan, Onur; Yilmaz, NihatTwo hybrid feature selection methods (SFSP and SBSP) which are composed by combining the sequential forward selection and the sequential backward selection together with the principal component analysis developed by utilizing quadratic discriminant analysis classification algorithmic criteria so as to utilize in the diagnosis of breast cancer fast and effectively are presented in this study. The tenfold cross-validation method has been applied in the algorithm, which is utilized as criteria during the selection of the features. The dimension of the feature space for input has been decreased from 9 to 4 thanks to the selection of these two hybrid features. The Artificial Neural Networks have been used as classifier. The cross-validation method has been preferred also in the phase of this classification as in the case of the selection of the feature in order to increase the reliability of the result. The Wisconsin Breast Cancer Database obtained from the UCI has been utilized so as to determine the correctness of the system suggested. The values of the average correctness of the classification obtained by utilizing a tenfold cross-validation of the two hybrid systems developed earlier are found, respectively, as follows: for SFSP + NN, 97.57 % and for SBSP + NN, 98.57 %. SBSP + NN system has been observed that, among the studies carried out by implementing the cross-validation method for the breast cancer, the result appears to be very promising. The acquired results have revealed that this hybrid system applied by means of reducing dimension is an utilizable system in order to diagnose the diseases faster and more successfully.Öğe A New Data Preparation Method Based on Clustering Algorithms for Diagnosis Systems of Heart and Diabetes Diseases(SPRINGER, 2014) Yilmaz, Nihat; Inan, Onur; Uzer, Mustafa SerterThe most important factors that prevent pattern recognition from functioning rapidly and effectively are the noisy and inconsistent data in databases. This article presents a new data preparation method based on clustering algorithms for diagnosis of heart and diabetes diseases. In this method, a new modified K-means Algorithm is used for clustering based data preparation system for the elimination of noisy and inconsistent data and Support Vector Machines is used for classification. This newly developed approach was tested in the diagnosis of heart diseases and diabetes, which are prevalent within society and figure among the leading causes of death. The data sets used in the diagnosis of these diseases are the Statlog (Heart), the SPECT images and the Pima Indians Diabetes data sets obtained from the UCI database. The proposed system achieved 97.87 %, 98.18 %, 96.71 % classification success rates from these data sets. Classification accuracies for these data sets were obtained through using 10-fold cross-validation method. According to the results, the proposed method of performance is highly successful compared to other results attained, and seems very promising for pattern recognition applications.Öğe Örüntü tanıma uygulamalarında yapay zeka ve öznitelik dönüşüm metotları kullanılarak geliştirilen öznitelik seçme algoritmaları(Selçuk Üniversitesi Fen Bilimleri Enstitüsü, 2014-07-21) Uzer, Mustafa Serter; Yılmaz, NihatBu tez çalışmasında, örüntü tanımanın temel öğelerinden biri olan öznitelik seçimi üzerinde durulmuştur. Özellikle veri madenciliği ve örüntü tanıma uygulamalarında kullanılan öznitelik seçimi, veri boyutunun azaltılmasını ve en iyi öznitelik kümesinin seçimini sağlar. Böylelikle kullanılan sınıflandırıcıların başarısı artar ve eğitim ile test süreleri azalır. Gereksiz öznitelikler tespit edildiği için özniteliklerin elde edilmesinde kullanılacak olan donanım azalır. Bu amaçla, bu tez kapsamında üç yeni öznitelik seçim yöntemi ve bu yöntemlerin kullanımıyla geliştirilen sistemler önerilmiştir. Bu öznitelik seçim yöntemlerinden birincisi, bal arısı sürüsünün akıllı yiyecek arama davranışını taklit eden Yapay Arı Kolonisi (YAK) optimizasyon algoritmasının, kümeleme tabanlı öznitelik seçiminde kullanılmasıyla geliştirilen ve YAKÖS olarak isimlendirilen yeni bir öznitelik seçme yöntemidir. İkincisi ve üçüncüsü, Karesel Diskriminant Analizi (KDA) sınıflandırma algoritmasını kriter alarak geliştirilen Ardışık İleri Yönde Seçim (AİYS) ve Ardışık Geri Yönde Seçim (AGYS) ile Temel Bileşen Analizinin (TBA) birleştirilmesiyle oluşturulmuş ve sırasıyla AİYSP ve AGYSP olarak isimlendirilen iki tane hibrit öznitelik seçme yöntemidir. Geliştirilen yeni YAKÖS yönteminin başarısı, hem Yapay Sinir Ağları (YSA) sınıflandırıcısında hem de Destek Vektör Makinaları (DVM) sınıflandırıcısında test edilirken diğer yöntemler ise YSA sınıflandırıcısında test edilmiştir. En iyi doğru sınıflandırma oranları, Statlog kalp hastalığı veri kümesi için % 88.89, SPECT görüntüleri veri kümesi için % 88.04 ve meme kanseri veri kümesi için % 98.71 olarak YAKÖS+TBA+YSA sisteminde bulunurken Hepatit veri kümesi için % 94.92, karaciğer hastalığı veri kümesi için % 74.81, Diyabet veri kümesi için % 79.29 olarak YAKÖS+DVM sisteminde bulunmuştur. Bunlara ilave olarak, kadınlarda en sık görülen kanser türü olan meme kanserinin teşhisi için AİYSP+YSA ve AGYSP+YSA sistemleri geliştirilmiştir. Kullanılan meme kanseri veri kümesi için AİYSP+YSA sisteminin doğru sınıflandırma oranı % 97.57 ve AGYSP+YSA sisteminin doğru sınıflandırma oranı % 98.57 elde edilmiştir. Sınıflandırmanın güvenilirliğini artırmak için bütün sistemlerde çapraz doğrulama yöntemi kullanılmıştır. Geliştirilen bu yöntemler, literatürdeki aynı veri kümelerini kullanan yöntemlere göre çoğunlukla daha yüksek sınıflandırma başarılarına ulaşmaktadır.
