ROTASYON ORMAN ALGORİTMASI İLE YÜKSEK ÇÖZÜNÜRLÜKLÜ MULTİSPEKTRAL UYDU GÖRÜNTÜLERİNİN SINIFLANDIRILMASI

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "ROTASYON ORMAN ALGORİTMASI İLE YÜKSEK ÇÖZÜNÜRLÜKLÜ MULTİSPEKTRAL UYDU GÖRÜNTÜLERİNİN SINIFLANDIRILMASI"

Transkript

1 ROTASYON ORMAN ALGORİTMASI İLE YÜKSEK ÇÖZÜNÜRLÜKLÜ MULTİSPEKTRAL UYDU GÖRÜNTÜLERİNİN SINIFLANDIRILMASI İsmal ÇÖLKESEN 1, Tahsn YOMRALIOĞLU 2, Taşkın KAVZOĞLU 3 1 Araş. Gör., Gebze Yüksek Teknoloj Ensttüsü, Jeodez ve Fotogrametr Mühendslğ Bölümü, 41400, Gebze, Kocael, 2 Prof. Dr., İstanbul Teknk Ünverstes, Geomatk Mühendslğ Bölümü, 34469, Maslak, İstanbul, 3 Prof. Dr., Gebze Yüksek Teknoloj Ensttüsü, Jeodez ve Fotogrametr Mühendslğ Bölümü, 41400, Gebze, Kocael, ÖZET Çok yüksek çözünürlüklü uydu görüntüleme sensörlernn kullanılablrlğnn artması araz kullanımı ve araz örtüsü türler hakkında ayrıntılı blg elde edlmes noktasında yen br ver kaynağı sağlamıştır. Korelasyonlu ve spektral olarak benzer karakterstklere sahp pkseller çeren yen nesl yüksek çözünürlüklü uydu görüntüler üzernden doğruluğu yüksek tematk harta üretm çn lteratürde çeştl gelşmş sınıflandırma teknkler ve sınıflandırıcılar önerlmştr. Brden çok sınıflandırıcının tahmnlernn brleştrlmes esasını temel alan toplu öğrenme algortmaları yüksek çözünürlüklü uydu görüntülernn sınıflandırılmasında yaygın br kullanıma sahptr. Rotasyon orman (RotOR) algortması son yıllarda sınıflandırıcıların performansının arttırılması amacıyla önerlen yen nesl br toplu öğrenme algortmasıdır. Bu çalışmada, RotFOR algortmasının araz örtüsü ve araz kullanımının hartalanmasındak sınıflandırma performansının araştırılmasında temel ver kaynağı olarak sekz spektral banda sahp yüksek çözünürlüklü WorldVew-2 görüntüsü kullanılmıştır. Yöntemn sınıflandırma performansı hızlandırma ve rastgele orman olarak blnen k popüler toplu öğrenme algortması le karşılaştırılmış ve statstksel olarak analz edlmştr. Bununla brlkte toplu öğrenme algortmalarının etknlğnn araştırılması amacıyla en çok benzerlk algortması da sınıflandırma şlemnde değerlendrmeye alınmıştır. Elde edlen sonuçlar hem sınıflandırma doğrulukları hem de McNemar test statstğ sonuçlarına göre RotOR algortmasının dğer toplu öğrenme algortmalarından daha üstün olduğunu göstermektedr. Sınıflandırma performansları karşılaştırıldığında RotOR algortması le %3 e varan yüksek sınıflandırma doğrulukları elde edldğ ve sınıflandırma performansları arasındak farklılıkların statstksel olarak anlamlı olduğu görülmüştür. Sonuç olarak, bu çalışma RotOR algortmasının çok yüksek çözünürlüklü uydu görüntülernn sınıflandırılmasındak etknlğn ortaya koymaktadır. Anahtar Sözcükler: Rotasyon Orman, Hızlandırma, Rastgele Orman, WorldVew-2, McNemar test ABSTRACT CLASSIFICATION OF MULTISPECTRAL HIGH-RESOLUTION SATELLITE IMAGERY USING ROTATION FOREST ALGORITHM Increasng avalablty of very hgh resoluton satellte magng sensors provdes a new data source for gatherng detaled nformaton about land use and land cover types of the Earth s surface. Varous advanced classfcaton technques and classfers have been suggested n the lterature to produce accurate thematc maps from the new generaton of hgh resoluton satellte mageres contanng pxels that of correlated and spectrally smlar characterstcs. Ensemble learnng based on the strateges that the combne the predcton of ndvdual classfers has been most commonly appled for the classfcaton of the hgh resoluton mageres. A novel ensemble learnng algorthm called rotaton forest (RotFor) has been recently suggested to mprove the ndvdual classfer performances. In ths study, WorldVew-2 magery havng hgh spatal resoluton wth eght spectral bands was used as a man data source to nvestgate classfcaton performance of RotFOR algorthm n land use and land cover mappng. The classfcaton performance was compared and statstcally analyzed wth two popular ensemble learnng algorthm namely, boostng and random forest. In addton, maxmum lkelhood algorthm was also utlzed for the classfcaton task to explore the effectveness of the ensemble learnng algorthms. Results showed that RotFor algorthm outperformed the other ensemble learnng algorthms n terms of both classfcaton accuracy and McNemar s test statstcs. When the classfcaton performances were compared, t was observed that hgher classfcaton accuraces up to 3% obtaned wth RotFor algorthm and the dfferences n the classfcaton performances were found to be statstcally sgnfcant. To sum up, ths study verfes the effectveness of RotFor n the classfcaton of very hgh resoluton satellte magery. Keywords: Rotaton Forest, Boostng, Random Forest, WorldVew-2, McNemar's test. 1. GİRİŞ Uydu görüntülernn sınıflandırılması yardımıyla yeryüzünün farklı özellklern temsl eden tematk harta üretm uzaktan algılama alanında öneml br çalışma konusudur. Özellkle son yıllarda uydu teknolojler ve algılama sensörlernn tasarımında yaşanan gelşmelere paralel olarak yüksek konumsal ve spektral çözünürlüğe sahp uydu görüntüler elde edleblmektedr. Yen nesl uydu görüntüler kullanıcılara yeryüzü nesnelerne lşkn gerek konumsal gerekse spektral açıdan daha detaylı blgler sağlamaktadır. Yaşanan teknolojk gelşmeler berabernde uzaktan algılama alanında yen araştırma konularının ortaya çıkmasına neden olmuştur. Kentsel alanlara yönelk gerçekleştrlen çalışmalarda şehrleşmenn zlenmes, bna, betonarme yapılar ve yol gb su geçrmsz yüzeylern hartalanması öne çıkan araştırma konularındandır (Patno et al., 2013; Huang et al., 2014; Me et al., 2014).

2 Bununla brlkte farklı ağaç ve btk türlernn ayırt edlmes, ekonomk değer olan ağaç türlernn tespt ve ağaç sayımları, bokütle hesabı, ağaç canlılığının zlenmes ve rekolte tahmnler gb ekolojk çevre açısından öneml br çok uygulama da yüksek çözünürlüklü uydu görüntülernden yararlanılmaktadır (Garrty et al., 2013; Waser et al., 2014; Sngh et al., 2014). Yüksek çözünürlüklü uydu görüntülernn kullanılması brçok doğal ve yapay nesnenn br arada değerlendrlerek benzer spektral özellklere sahp nesnelern brbrnden ayırt edlmesn gerekmektedr. Dğer br fadeyle yüksek çözünürlüklü uydu görüntüler yardımıyla araz örtüsü/kullanımının belrlenmesnde benzer spektral özellklere sahp karmaşık yapıdak pksellern değerlendrlmes ve sınıflandırılması söz konusudur. Lteratürde sınıflandırma şlemnn gerçekleştrlmes ve tematk harta üretmne yönelk brçok algortma önerlmştr (Lu and Weng, 2007). Bunlar arasında hesaplama açısından hızlı ve matematksel olarak kolay anlaşılablen en çok benzerlk yöntem yaygın br kullanıma sahptr. Yöntem uygulama açısından pratk olmasına rağmen görüntü üzerndek pksellern normal dağılımda olduğu kabulünü esas almaktadır. Bu nedenle yöntem brbrne benzer spektral özellğe sahp karmaşık ve homojen olmayan yapıdak pksellern ayırt edlmes noktasında yetersz kalmaktadır. Bu problemn çözümüne yönelk olarak son yıllarda ler sınıflandırma teknkler kullanılmaya başlanmıştır. Söz konusu algortmalar çersnde tek br sınıflandırıcı yerne brden çok sınıflandırıcının değerlendrmeye alınması ve sınıflandırıcılardan ede edlen tahmnlerden yola çıkılarak sınıflandırma şlemnn gerçekleştrlmes esasına dayalı toplu öğrenme algortmaları en çok terch edlenler arasındadır. Özellkle yüksek çözünürlüklü uydu görüntülernn sınıflandırılması ve tematk harta üretmnde hızlandırma, torbalama ve rastgele orman olarak blnen toplu öğrenme algortmaları başarıyla kullanılmaktadır (Malnvern et al., 2011; Demarch et al., 2014; Hayes et al., 2014; Ghosh and Josh, 2014). Son yıllarda ana bleşenler analz kullanarak ver setnn yenden oluşturulması prensbn esas alan rotasyon orman algortması uzaktan algılanmış görüntülern sınıflandırılmasında önerlen fakat sınırlı sayıda test edlmş yen nesl toplu öğrenme algortmasıdır (Rodrguez et al., 2006; Kavzoglu and Colkesen, 2013). Bu çalışmada rotasyon orman algortmasıyla 2013 tarhnde kaydedlen WorldVew-2 görüntüsünün sınıflandırılması ve çalışma alanına at araz örtüsü/kullanımını gösteren tematk harta üretlmes amaçlanmıştır. Algortmanın sınıflandırma performansı popüler toplu öğrenme algortmalarından rastgele orman ve hızlandırma algortmaları le karşılaştırılmıştır. Bununla brlkte toplu öğrenme algortmalarının yüksek çözünürlüklü görüntülern sınıflandırılmasındak performansı geleneksel yöntem olarak kabul edlen en çok benzerlk sınıflandırıcısı le karşılaştırılarak analz edlmştr. Elde edlen sınıflandırma doğruluklarının karşılaştırılmasının yanında doğruluklar arasındak farklılıkların statstksel anlamlılığı McNemar test kullanılarak analz edlmştr. 2. ÇALIŞMA ALANI VE KULLANILAN VERİ Rotasyon orman (RotOR) algortmasının yüksek çözünürlüklü uydu görüntüsü üzernden karmaşık yapıdak araz örtüsü/kullanım türlernn sınıflandırılmasındak performansının ortaya koyulması amacıyla Gebze Yüksek Teknoloj Ensttüsü kampüs alanını da çersne alan yaklaşık 300 hektarlık br bölge çalışma alanı olarak belrlenmştr (Şekl 1). Çalışma alanı çersnde temel araz örtüsü olarak blnen bozkır, su ve toprak alanlarına lave olarak benzer spektral özellklere sahp genş ve ğne yapraklı ağaç türler, su geçrmsz yüzey olarak adlandırılan farklı yapıdak bna türler ve asfalt zemnl yollar mevcuttur. Çalışma alanında yapılan detaylı araz çalışmaları sonucunda bölgede 13 temel araz örtüsü/kullanım sınıfı olduğuna karar verlmştr. Araz örtüsü olarak bozkır, su ve toprak sınıflarının yanında genş ve ğne yapraklı ağaç türlern temsl eden 5 farklı araz örtüsü sınıfı tanımlanmıştır. Bu sınıflar genş yapraklı ağaç türlern temslen çınar ve zeytn sınıfları, ğne yapraklı ağaç türlern temsl eden fıstık çamı, kızılçam ve sedr sınıfları olarak adlandırılmıştır. Bölgenn araz kullanım sınıfları olarak yapılaşmış alanlar veya geçrmsz yüzeyler temsl eden 4 farklı araz kullanım sınıfı tanımlanmıştır. Söz konusu araz kullanım sınıfları kırmızı, beyaz ve gr çatıya sahp olan bnalar ve bölgey çevreleyen ara ve ana yolları temsl eden yol sınıfıdır. Belrlenen araz örtüsü/kullanım sınıflarına lave olarak yüksek çözünürlüklü uydu görüntülernde söz konusu olan gölge problemn ve gölge problemnden kaynaklanablecek sınıflandırma hatalarının azaltılması amacıyla gölge sınıfı tanımlanmıştır. Belrlenen 13 farklı araz örtüsü/kullanım türlernn RotOR algortmasıyla sınıflandırılması çn çalışma alanını kapsayan 2013 tarhnde kaydedlmş WorldVew-2 (WV2) uydu görüntüsü kullanılmıştır. WV2 görüntüsünün kırmızı ( nm), yeşl ( nm), mav ( nm) ve yakın kızılötes ( nm) bantlarına lave olarak kıyı ( nm), sarı ( nm), kırmızı-kenar ( nm) ve knc kızılötes ( nm) bantları uygulama da değerlendrmeye alınmıştır. Uydu görüntüsünün geometrk düzeltmes ve UTM koordnat stemne dönüşümünde mevcut hâlhazır hartalar ve bölgeye at yüksek çözünürlüklü görüntülerden yararlanılmıştır. WV-2 görüntüsünün sahp olduğu 0,5m konumsal çözünürlüğe sahp pankromatk bant le 2m konumsal çözünürlüklü multspektral bantlarının kaynaştırılmasında Gram-Schmdt algortması kullanılmıştır. Kaynaştırma sırasında 3x3 boyutlu yumuşatma fltres uygulanmış ve yenden örnekleme şlemnde blneer enterpolasyon algortması kullanılmıştır.

3 Şekl 1. Çalışma alanının konumu ve uygulamada kullanılan WorldVew-2 görüntüsü. 3. SINIFLANDIRMA ALGORİTMALARI Uzaktan algılanmış görüntüler yardımıyla yeryüzü objelerne lşkn blg çıkarımında en sık kullanılan yöntem görüntü sınıflamasıdır. Sınıflandırma şlem görüntü üzerndek her br pksele at yansıma ve parlaklık değerler kullanılarak pksellern kullanıcı tarafından belrlenen sınıflara ayrılması şlemdr. Sınıflandırma sonucunda farklı araz örtüsü ve kullanımlarını temsl eden tematk hartalar üretlmekte ve elde edlen hartalar yeryüzü özellklernn yorumlanması ve analznde kullanılmaktadır. Bu çalışmada WorldVew-2 uydu görüntüsünün sınıflandırılması ve 13 araz örtüsü/kullanım sınıfını temsl eden tematk harta üretmnde toplu öğrenme algortmalarından hızlandırma, rastgele orman ve rotasyon orman algortmaları kullanılmıştır. Sınıflandırma performanslarının karşılaştırılması amacıyla geleneksel sınıflandırma yöntem olarak blnen en çok benzerlk algortması da sınıflandırmada kullanılmıştır. Kullanılan algortmaların performanslarının değerlendrlmesnde öncelkl olarak sınıflandırma sonucunda elde edlen genel doğruluklar dkkate alınmıştır. Buna laveten hesaplanan sınıflandırma doğrulukları arasındak farklarının statstksel anlamlılığı McNemar test kullanılarak analz edlmştr. K-kare dağılımını esas alan McNemar test statstğ Eştlk 1 yardımıyla hesaplanmaktadır. Eştlktek değşkenler 22boyutlu br hata matrsnn elemanları olup,,. sınıflandırıcı tarafından hatalı j. sınıflandırıcı tarafından doğru sınıflandırılan pksel sayısını, n j n j se j. sınıflandırıcı tarafından hatalı. sınıflandırıcı tarafından doğru sınıflandırılan pksel sayısını fade etmektedr (Foody, 2004). Hesaplanan statstk değer K-kare tablo değernden (%95 güven aralığında ) büyük olduğunda değerlendrmeye alınan k sınıflandırma doğruluğu arasındak farkın statstksel olarak anlamlı olduğu söyleneblr. Dğer br fadeyle, elde edlen bu statstksel sonuç k sınıflandırma doğruluğunun brbrnden farklı olduğunu göstermektedr. 2 3, 84 McNemar ( ) n - n 2 2 j j n j n j (1) 3.1. En Çok Benzerlk Algortması En çok benzerlk (EÇB) algortması uzaktan algılanmış görüntülern sınıflandırılmasında yaygın olarak kullanılan parametrk br kontrollü sınıflandırma algortmasıdır. EÇB algortması sınıflandırma şlemnn gerçekleştrlmesnde ortalama değer, varyans ve kovaryans gb statstk değerler dkkate almakta ve sınıfları oluşturan pksellern normal dağılımda olduğu kabulünü esas aldığından EÇB parametrk br algortma olarak tanımlanmaktadır. EÇB

4 algortması le br pkseln p sayıdak bant değerlern çeren x vektörünün br k sınıfında olma olasılığı Eştlk 2 yardımıyla hesaplanır (Mather, 1999). Eştlkte;, olasılık değern;,. sınıf çn varyans-kovaryans P(x) matrsn;, matrsn determnantını fade etmektedr. S -0.5p -0.5 P(x)=2π S exp -0.5 y ı S -1 y (2) 3.2. Toplu Öğrenme Algortmaları Toplu öğrenme algortmaları tek br sınıflandırıcı yerne brden çok sınıflandırıcıyı çerecek şeklde br sınıflandırıcı kümesnn oluşturulması ve küme çersndek sınıflandırıcıların tahmnlernden yola çıkılarak sınıf etket bell olmayan pksellern sınıflandırılması esasına dayanmaktadır (Detterch, 2000a). Toplu öğrenme veya sınıflandırıcıların brleştrlmes, yenden örneklenen eğtm setler le sınıflandırıcıların ayrı ayrı eğtlmes ve sonuçta ortaya çıkan tahmnler le sınıflandırma şlemnn gerçekleştrlmes şlemlern çermektedr. Lteratürde toplu öğrenme algortmaları kullanımı le sınıflandırma performansında öneml derecede artış olduğu vurgulanmaktadır (Optz and Macln, 1999; Detterch, 2000b, Pal and Mather, 2003). Günümüze kadar toplu öğrenme algortması olarak başta hızlandırma, torbalama ve rastgele orman olmak üzere brçok algortma gelştrlmştr (Kavzoglu and Colkesen, 2013). Hızlandırma algortmasının temel br dz sınıflandırıcı sers oluşturulmasına dayanmaktadır (Freund and Schapre, 1996; Schapre, 1999; Nann and Lumn, 2006; Çölkesen ve Kavzoğlu, 2009). Sernn üyes olan her br sınıflandırıcı çn kullanılan eğtm set, serdek br öncek sınıflandırıcı veya sınıflandırıcıların performansına göre belrlenr. Bu amaçla br öncek sınıflandırıcı tarafından hatalı tahmn edlen pkseller br sonrak sınıflandırıcı çn oluşturulacak eğtm setnde doğru tahmn edlen pksellere göre daha fazla tekrar edlr. Dğer br fadeyle hatalı sınıflandırılan pksellern eğtm ver set çersndek ağırlıkları arttırılır. Hızlandırma algortması bu teratf yaklaşımla eğtm ver set çersnde doğru sınıflandırılan pkseller yerne hatalı sınıflandırılan pksellere yoğunlaşarak sınıflandırma doğruluğunu arttırılmasını amaçlamaktadır. Popüler toplu öğrenme algortması olarak blnen rastgele orman (RO) algortması temel sınıflandırıcı olarak karar ağaçlarını kullanmaktadır. Temelde br çeşt karar ağacı algortması olan RO algortması eğtm aşamasında brden çok karar ağacını kullanmakta ve bu yapısıyla karar ağacı ormanı olarak tanımlanablmektedr (Breman, 2001). Eğtm şlem sırasında ormandak her br karar ağacı çn eğtm ver set çersnden rastgele alt kümeler oluşturulur. Söz konusu alt kümelern 2/3 ü karar ağacı yapısını oluşturmak çn kullanılırken, dğer kısmı ağaç yapısının geçerllğn test etmek çn kullanılır. Ormandak her br karar ağacı sınıflandırma sonucu br oy alır ve orman çersndek tüm ağaçlardan en çok oy alan (en düşük hata oranına sahp) belrlenerek sınıflandırmaya esas ağaç yapısı tespt edlr. Sınıf etket blnmeyen herhang br örnek (pksel), tüm ağaç tahmnlernde en fazla oy alan sınıfa atanması suretyle sınıflandırılır. Son yıllarda lteratürde kullanılmaya başlanan yen nesl topluluk öğrenme algortması olarak ortaya koyulan rotasyon orman (RotOR) algortması, br özellk çıkarma teknğ (ana bleşenler analz) kullanarak sınıflandırıcı topluluğunun oluşturmasını esasına dayanmaktadır (Rodrquez et al., 2006; Kavzoglu and Colkesen, 2013). RotOR algortmasının temel çalışma prensb rastgele orman algortmasına benzer şeklde olup brden fazla ağaç kullanılmaktadır. Ancak ormandak her br karar ağacının eğtmnde kullanılacak ver set ana bleşen analz yardımıyla belrlenmektedr. RotOR algortması le ormandak karar ağaçlarının eğtm aşamasında eğtm ver set rastgele alt kümelere bölünür ve her br alt kümeye ana bleşenler analz uygulanarak özellk çıkarımı gerçekleştrlr. Özellk çıkarımı netcesnde ayırt edclğ en yüksek olan özellkler (bantlar) belrlenmektedr. Ver setndek değşkenlk blgsn korumak çn tüm bleşenler dkkate alınır. Özellk çıkarımı le sınıflandırıcı kümesndek her br sınıflandırıcı çn çeştllk korunmuş olur. RotOR algortmasının temel çalışma prensb aşağıda verlmştr (Rodrguez et al., 2006): X n eğtm ver setn, Y nn ver setndek sınıf etketlern, F de özellk (bant) sayısını gösterdğ göz önüne alınsın. Eğtm ver setnn N sayıda pkselden oluştuğu ve n sayıda araz örtüsü/kullanım sınıfı olduğu düşünülürse, eğtm ver set (X), N n boyutunda br matrs formundadır. Sınıf etketlern fade eden Y vektörünün y 1,y n şeklnde olduğu düşünülsün. RotOR algortmasının çalışma prensbne uygun olarak, ver setnn yaklaşık olarak aynı boyutta K sayıda alt kümeye ayrıldığı, rotasyon ormanda D 1,...,D L şeklnde gösterlen L sayıda karar ağacının olduğu göz önüne alınsın. Bu durumda rotasyon ormanındak her br karar ağacı D çn eğtm ver set sırasıyla aşağıdak şlem adımları le belrlenr: 1. Adım: F rastgele şeklde K sayıda bağımsız altkümeye bölünür. Her br bağımsız alt küme M n K sayıda özellğ (bandı) çermeldr.

5 2. Adım: setnde F j nn D sınıflandırıcısının eğtmnde kullanılan j sayıda özellğ çeren alt kümes ve X j nn X ver F j dek özellkler çeren ver set olduğu düşünülsün. Bu durumda yen br eğtm ver set bootstrap yaklaşımı le ver setnn %75 eğtm %25 test ver set olarak belrlenr. Daha sonra yen oluşturulan ver setne ana bleşen dönüşümü uygulanarak kovaryans matrs hesaplanır. 3. Adım: Hesaplanan kovaryans değerler kullanılarak Eştlk 3 dek C j R dönüşüm matrs oluşturulur. R a ( 1) 1,, a ( M 1 ) 1 a ( 1) 2,, a ( M 2 ) 2 a ( 1) K,, a ( M K ) K (3) R matrsnn her br sütunu orjnal özellk (bant) dzlmne göre yenden düzenlenr ve yenden düzenlenen rotasyon matrs a R elde edlr. Sonuç olarak D sınıflandırıcının eğtmnde kullanılacak dönüştürülmüş ver set a XR olacaktır. Bu şlem adımları rotasyon ormanındak tüm sınıflandırıcılar çn tekrar edlr. Dönüştürülmüş ver setler kullanılarak ormandak her br karar ağacına at sınıflandırma sonucu br oy alır. Sınıf etket blnmeyen herhang br örnek (pksel), tüm ağaç tahmnlernde en fazla oy alan sınıfa atanması suretyle sınıflandırılır. 4. UYGULAMA Çalışma alanını kapsayan WorldVew-2 görüntüsünün sınıflandırılması çn öncelkl olarak 13 araz örtüsü/kullanım sınıfını temsl eden örnekleme alanları belrlenmştr. Söz konusu örnekleme alanları çersnden rastgele örnekleme prensbnden hareketle her br sınıf çn eşt sayıda pksel çerecek şeklde eğtm vers olarak toplam pksel ve test ver set olarak toplam pksel belrlenmştr. Rotasyon orman algortmasının söz konusu ver setler çn sınıflandırma performansı hızlandırma ve rastgele orman algortmalarının performansı le karşılaştırılarak sonuçlar statstksel olarak analz edlmştr. Bunun yanında eğtm ve test ver setler geleneksel sınıflandırıcı alarak blnen en çok benzerlk algortması le de sınıflandırılarak topluluk öğrenme algortmalarının sınıflandırma doğruluğu üzerndek etkler ncelenmştr. En çok benzerlk (EÇB) yöntemyle sınıflandırma şlem MATLAB yazılımında hazırlanan br program le gerçekleştrlmştr. Sınıflandırma sonucunda EÇB algortmasıyla hesaplanan genel doğruluk Tablo 1 den de görüleceğ üzere %83,42 ve Kappa staststk değer 0,82 dr. Tablo 1. En çok benzerlk ve toplu öğrenme algortmaları çn hesaplanan sınıflandırma sonuçları. Algortma Genel doğruluk (%) Kappa değer En çok benzerlk 83,42 0,82 Hızlandırma 84,38 0,83 Rastgele orman 85,08 0,83 Rotasyon orman 86,17 0,85 Hızlandırma, rastgele orman ve rotasyon orman algortmaları le gerçekleştrlen sınıflandırma şlemnde temel sınıflandırıcı olarak karar ağacı algortmalarından C4.5 algortması kullanılmıştır. Uygulamada dkkate alınan topluluk algortmaları kullanıcı tarafından belrlenmes gereken br takım parametrelere sahptr. Hızlandırma algortması çn ağırlıklı eşk değer ve terasyon sayısı en öneml k parametre ken, rastgele orman algortması çn her br düğümde kullanılan değşkenlern sayısı ve ormandak ağaç sayısı parametreler mevcuttur. Rotasyon orman algortması le sınıflandırma şlemnde se alt küme sayısı ve ormandak ağaç sayısı olarak adlandırılan k parametre mevcuttur. Söz konusu parametre değerler her br algortma çn ayrı ayrı belrlenmş ve hesaplanan sınıflandırma doğrulukları Tablo 1 de gösterlmştr. Hızlandırma yöntemnde ağırlıklı eşk değer 100 ve optmum terasyon sayısı 30 olarak tespt edlmş ve bu değerler kullanılarak hesaplanan sınıflandırma doğruluğu tablodan da görüleceğ üzere %84,38 ve Kappa değer 0,83 dr. Rastgele orman (RO) algortması her br düğümdek değşken sayısının 2 ve ormandak ağaç sayısının 60 olarak seçldğ model le en yüksek sınıflandırma doğruluğuna (%85,08)

6 ulaşmıştır. Rotasyon orman (RotOR) algortmasının parametrelernden alt küme sayısı 3 ve ormandak ağaç sayısı 25 olarak belrlenmş ve genel sınıflandırma doğruluğu %86,17 olarak hesaplanmıştır. Çalışmada kullanılan en çok benzerlk (EÇB) ve toplu öğrenme algortmalarının sınıflandırma performansları karşılaştığında, değerlendrmeye alınan toplu öğrenme algortmaları le elde edlen sınıflandırma doğruluklarının EÇB le elde edlen genel doğruluktan daha yüksek olduğu görülmektedr. Sınıflandırma doğrulukları arasındak farklılıklar hızlandırma algortması le %0,96, RO algortması le %1,66 ve RotOR algortması le %2,75 olarak hesaplanmıştır. Doğrulukları arasındak farklılıkların statstksel anlamlılığı McNemar test kullanılarak analz edldğnde tüm farklılıkların %95 güven aralığında krtk tablo değer 3,84 den büyük olduğu Tablo 2 de görülmektedr. Elde edlen bu sonuç sınıflandırma doğrulukları arasındak farklılıkların statstksel olarak anlamlı olduğunu, dolayısıyla toplu öğrenme algortmalarının sınıflandırma performansının EÇB ye göre daha yüksek olduğunu desteklemektedr. Tablo 2. En çok benzerlk ve toplu öğrenme algortmalarının performans analz çn hesaplanan statstk değerler. İstatstksel Karşılaştırma McNemar değer En çok benzerlk - Hızlandırma 3,95 En çok benzerlk - Rastgele orman 12,03 En çok benzerlk - Rotasyon orman 36,45 Çalışmada değerlendrmeye alınan toplu öğrenme algortmalarının sınıflandırma performansları brbrler le karşılaştırıldığında en yüksek sınıflandırma doğruluğunun %86,17 le RotOR algortması le elde edldğ görülmüştür. Yen nesl toplu öğrenme algortması olarak fade edlen rotasyon orman algortmasının sınıflandırma performansı hızlandırma ve rastgele orman algortmalarının performansları le karşılaştırıldığında, hızlandırma algortmasından %1,79 rastgele orman algortmasından %1,09 daha yüksek genel doğruluğa ulaşıldığı belrlenmştr. Sınıflandırma doğrulukları arasındak bu farklılıklar McNemar test kullanılarak analz edldğnde %95 güven aralığında krtk k-kare tablo değernden (3,84) büyük olduğu tespt edlmş, dolayısıyla söz konusu farklılıkların statstksel olarak anlamlı olduğu sonucuna ulaşılmıştır (Tablo 3). Dğer br fadeyle uygulamada dkkate alınan ver set çn RotOR algortması dğer toplu öğrenme algortmalarından statstksel olarak daha yüksek sınıflandırma performansı serglemştr. Tablo 3. Toplu öğrenme algortmalarının performans analz çn hesaplan statstk değerler. İstatstksel Karşılaştırma McNemar değer Rotasyon Orman - Hızlandırma 20,28 Rotasyon Orman - Rastgele orman 8,77 Hızlandırma - Rastgele orman 4,14 Toplu öğrenme algortmaları çersnde hesaplanan en düşük doğruluk %84,38 le hızlandırma algortması le elde edlmştr. Rastgele orman algortmasının performansı le karşılaştırıldığında genel doğruluklar arasında %0,70 lk br fark olduğu görülmektedr. Söz konusu performans farklılığı Tablo 3 de verlen McNemar sonuçlarına göre statstksel olarak anlamlı br fark olup, rastgele orman algortmasının hızlandırma algortmasından daha yüksek sınıflandırma performansı sergledğn göstermektedr. EÇB ve toplu öğrenme algortmalarına at elde edlen sınıflandırma modeller kullanılarak WorldVew-2 görüntüsü sınıflandırılmış ve çalışma alanına at araz örtüsü ve kullanımını gösteren tematk hartalar üretlmştr. Söz konusu tematk hartalardan rotasyon orman algortması le üretlen Şekl 2 de gösterlmştr. Şekl ncelendğnde özellkle toprak ve bna-kırmızı çatı olarak smlendrlen sınıflara at pksellern çalışma alanının bazı bölgelernde brbrlerne karıştığı görülmektedr. Bununla brlkte benzer spektral özellklere sahp su ve gölge sınıflarına at pkseller arasında da hatalı sınıflandırmalar olduğu görülmektedr. Ağaç türlernn büyük oranda doğru sınıflandırıldığı, çalışma alanının belrl kesmlernde canlı btk örtüsünü çersnde barındıran bozkır sınıfına at pksellern genş yapraklı ağaç türlern temsl eden araz örtüsü sınıfları çersne dahl edldğ tespt edlmştr.

7 Şekl 2. WorldVew-2 görüntüsünün RotOR algortması le sınıflandırılması sonucu elde edlen tematk harta. 5. SONUÇLAR Uzaktan algılama teknolojlernde yaşanan yenlkler kullanıcıları yen nesl uydu görüntülernn analz noktasında güçlü ve etkl alternatf yöntemlern gelştrlmes arayışına tmştr. Özellkle uydu görüntülernn sınıflandırılması ve tematk harta üretmnde son yıllarda statstksel algortmalar yerne parametrk olmayan, karmaşık yapıdak pksellern sınıflandırılmasında hızlı ve etkl sınıflandırma algortmaları gelştrlmştr. Bunlar arasında toplu öğrenme algortmaları başta uzaktan algılama olmak üzere brçok alanda başarıyla kullanılmaktadır. Son yıllarda rotasyon algortması (RotOR) olarak smlendrlen toplu öğrenme algortması uzaktan algılanmış görüntülern sınıflandırılması problemn de çersne alan brçok uygulama problemnn çözümünde kullanılan etkl br sınıflandırma algortması olarak önerlmektedr. Bu çalışmada RotOR algortmasının yüksek çözünürlüklü WV-2 uydu görüntüsünün sınıflandırılmasındak performansı ncelenmş ve elde edlen sonuçlar popüler toplu öğrenme algortmalarından hızlandırma ve rastgele orman algortmaları le karşılaştırılarak analz edlmştr. RotOR ve dğer toplu öğrenme algortmalarının statstksel br metot olan en çok benzerlk (EÇB) yöntem le karşılaştırılarak algortmaların geleneksel yöntemlere göre performansları da analz edlmştr. Çalışma sonucunda yen nesl toplu öğrenme algortması olarak önerlen RotOR algortması kullanılarak popüler toplu öğrenme algortmalarına göre %2 lere varan sevyelerde daha doğru sınıflandırma sonuçlarına ulaşıldığı görülmüştür. Elde edlen bu sonuç McNemar test kullanılarak analz edlmş ve RotOR algortması le sınıflandırma performansında statstksel olarak anlamlı artışlar olduğu tespt edlmştr. Dğer taraftan hızlandırma ve rastgele orman algortmaları çn elde edlen sınıflandırma doğrulukları arasındak farklılık statstksel olarak anlamlı bulunmuş ve uygulamada dkkate alınan ver set çn rastgele orman algortmasının hızlandırma algortmasından daha yüksek sınıflandırma doğruluğu ürettğn desteklemektedr.

8 Çalışmada değerlendrmeye alınan toplu öğrenme algortmalarının sınıflandırma performansı statstksel kabullere dayanan EÇB algortması le karşılaştırıldığında, toplu öğrenme yaklaşımıyla %3 e varan ve statstksel olarak anlamlı performans farklılıkları elde edldğ tespt edlmştr. Yapılan performans analzler ve elde edlen statstksel test sonuçları rotasyon orman algortmasının yüksek çözünürlüklü uydu görüntülernn sınıflandırılması ve karmaşık yapıdak araz örtüsü/kullanımına lşkn tematk harta üretmnde kullanılablecek etkl ve alternatf br yöntem olduğunu destekler ntelktedr. KAYNAKLAR Breman, L., 2001, Random Forests, Machne Learnng, 45(1), Çölkesen, İ., Kavzoğlu, T., 2009, İyleştrlmş Karar Ağaçları le Uydu Görüntülernn Sınıflandırılması, TMMOB Harta ve Kadastro Mühendsler Odası 12. Türkye Harta Blmsel ve Teknk Kurultayı, Mayıs 2009, Ankara. Demarch, L., Canters, F., Carou, C., Lccard, G., Chan, J.C.W., 2014, Assessng The Performance of Two Unsupervsed Dmensonalty Reducton Technques on Hyperspectral APEX Data For Hgh Resoluton Urban Land-Cover Mappng, ISPRS Journal of Photogrammetry and Remote Sensng, 87, Detterch, T.G., 2000a, Ensemble Methods n Machne Learnng. In J. Kttler and F. Rol (Ed.) Frst Internatonal Workshop on Multple Classfer Systems, Lecture Notes n Computer Scence (pp. 1-15). New York: Sprnger Verlag. Detterch, T.G., 2000b, An Expermental Comparson of Three Methods for Constructng Ensembles of Decson Trees: Baggng, Boostng, and Randomzaton, Machne Learnng, 40(2), Foody, G.M., 2004, Thematc Map Comparson: Evaluatng The Statstcal Sgnfcance of Dfferences n Classfcaton Accuracy, Photogrammetrc Engneerng and Remote Sensng, 70(5), Freund, Y., Schapre, R.E., 1996, Experments wth A New Boostng Algorthm, In: Satta, L. (Ed.), Proceedngs of the Thrteenth Internatonal Conference on Machne Learnng (ICML-96), Morgan Kaufmann, pp Garrty, S.R., Allen, C.D., Brumby, S.P., Gangodagamage, C., McDowell, N.G., Ca, D.M., 2013, Quantfyng Tree Mortalty n A Mxed Speces Woodland Usng Multtemporal Hgh Spatal Resoluton Satellte Imagery, Remote Sensng of Envronment, 129, Ghosh, A., Josh, P.K., 2014, A Comparson of Selected Classfcaton Algorthms for Mappng Bamboo Patches In Lower Gangetc Plans Usng Very Hgh Resoluton Worldvew 2 Imagery, Internatonal Journal of Appled Earth Observaton and Geonformaton, 26, Hamedanfar, A., Shafr, H.Z.M., Mansor, S., Ahmad, N., 2014, Improvng Detaled Rule-Based Feature Extracton of Urban Areas from Worldvew-2 Image and Ldar Data. Internatonal Journal Of Remote Sensng, 35(5), Hayes, M.M., Mller, S.N., Murphy, M.A., 2014, Hgh- resoluton Land Cover Classfcaton Usng Random Forest. Remote Sensng Letters, 5, Huang, X., Lu, Q.K., Zhang, L.P., 2014, A Mult-Index Learnng Approach for Classfcaton of Hgh-Resoluton Remotely Sensed Images Over Urban Areas, ISPRS Journal of Photogrammetry and Remote Sensng, 90, Kavzoglu, T., Colkesen, I., 2013, An Assessment of The Effectveness of A Rotaton Forest Ensemble for Land- Use and Land-Cover Mappng. Internatonal Journal of Remote Sensng, 34(12), Lu, D., Weng, Q., 2007, A Survey of Image Classfcaton Methods and Technques for Improvng Classfcaton Performance, Internatonal Journal of Remote Sensng, 28(5), Lu, D.S., Hetrck, S., Moran, E., 2010, Land Cover Classfcaton n A Complex Urban-Rural Landscape wth Quckbrd Imagery, Photogrammetrc Engneerng and Remote Sensng, 76(10),

9 Malnvern, E. S., Tassett, A. N., Mancn, A., Zngarett, P., Fronton, E., Bernardn, A., 2011, Hybrd Object-Based Approach for Land Use/Land Cover Mappng Usng Hgh Spatal Resoluton Imagery, Internatonal Journal of Geographcal Informaton Scence, 25(6), Mather, P.M., 1999, Computer Processng of Remotely Sensed Images, Second Edton (Chchester: John Wley & Sons). Me, A., Salvator, R., Fore, N., Allegrn, A., D'Andrea, A., 2014, Integraton of Feld and Laboratory Spectral Data wth Mult-Resoluton Remote Sensed Imagery for Asphalt Surface Dfferentaton. Remote Sensng, 6(4), Nann, L., Lumn A., 2006, An Expermental Comparson of Ensemble of Classfers for Bometrc Data, Neurocomputng, 69(13-15), Optz, D., Macln R., 1999, Popular Ensemble Methods: An Emprcal Study, Journal of Artfcal Intellgence Research, 11, pp Pal, M., Mather P.M., 2003, An Assessment of The Effectveness of Decson Tree Methods for Land Cover Classfcaton, Remote Sensng of Envronment, 86(4), Patno, J.E., Duque, J.C., 2013, A Revew of Regonal Scence Applcatons of Satellte Remote Sensng n Urban Settngs. Computers Envronment and Urban Systems, 37, Rodrguez, J.J., Kuncheva, L.I. and Carlos, J.A., 2006, Rotaton Forest: A New Classfer Ensemble Method. IEEE Transactons on Pattern Analyss and Machne Intellgence, 28(10), Schapre, R.E., 1999, Theoretcal Vews of Boostng And Applcatons, In: Proceedngs of the Tenth Internatonal Conference on Algorthmc Learnng Theory, pp Sngh, M., Malh, Y., Bhagwat, S., 2014, Bomass Estmaton of Mxed Forest Landscape Usng A Fourer Transform Texture-Based Approach on Very-Hgh-Resoluton Optcal Satellte Imagery. Internatonal Journal of Remote Sensng, 35(9), Waser, L.T., Kuchler, M., Jutte, K., Stampfer, T., 2014, Evaluatng The Potental of Worldvew-2 Data to Classfy Tree Speces and Dfferent Levels of ASH Mortalty, Remote Sensng, 6(5),

Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences

Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences Pamukkale Ünverstes Mühendslk Blmler Dergs, Clt 0, Sayı 3, 04, Sayfalar 85-9 Pamukkale Ünverstes Mühendslk Blmler Dergs Pamukkale Unversty Journal of Engneerng Scences PREFABRİK ENDÜSTRİ YAPIARININ ARMONİ

Detaylı

EMG İşaretlerinin K-Ortalama Algoritması Kullanılarak Öbekleştirilmesi. EMG Signal Analysis Using K-Means Clustering

EMG İşaretlerinin K-Ortalama Algoritması Kullanılarak Öbekleştirilmesi. EMG Signal Analysis Using K-Means Clustering KSÜ Mühendslk Blmler Dergs, (), 9 5 KSU Journal of Engneerng Scences, (), 9 EMG İşaretlernn K-Ortalama Algortması Kullanılarak Öbekleştrlmes Mücahd Günay, Ahmet ALKA, KSÜ Mühendslk-Mmarlık Fakültes Elektrk-Elektronk

Detaylı

K-Ortalamalar Yöntemi ile Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelerin Belirlenmesi *

K-Ortalamalar Yöntemi ile Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelerin Belirlenmesi * İMO Teknk Derg, 2012 6037-6050, Yazı 383 K-Ortalamalar Yöntem le Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelern Belrlenmes * Mahmut FIAT* Fath DİKBAŞ** Abdullah Cem KOÇ*** Mahmud GÜGÖ**** ÖZ

Detaylı

TEKNOLOJĐK ARAŞTIRMALAR

TEKNOLOJĐK ARAŞTIRMALAR www.teknolojkarastrmalar.com ISSN:135-31X Yapı Teknolojler Elektronk Dergs (1) 13-1 TEKNOLOJĐK ARAŞTIRMALAR Makale Araz Yüzey Tanımlamada Nokta Dağılımının Önem Đk Deneysel Çalışma H.Murat YILMAZ *, Murat

Detaylı

RASTGELE ORMAN SINIFLANDIRICISI İLE ARAZİ KULLANIM ALANLARININ BELİRLENMESİ

RASTGELE ORMAN SINIFLANDIRICISI İLE ARAZİ KULLANIM ALANLARININ BELİRLENMESİ RASTGELE ORMAN SINIFLANDIRICISI İLE ARAZİ KULLANIM ALANLARININ BELİRLENMESİ Ö. Akar 1, O. Güngor 2, A. Akar 3 Karadenz Teknk Ünverstes, Harta Mühendslğ Bölümü, 61080, Trabzon. 1 oerden@ktu.edu.tr, 2 ogungor@ktu.edu.tr,

Detaylı

ÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU

ÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU 6.07.0 ÇOKLU REGRESON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESON ÇÖZÜMLEMESİ,REGRES-ON KATSAILARININ ORUMU ÇOKLU REGRESON MODELİ Ekonom ve şletmeclk alanlarında herhang br bağımlı değşken tek br bağımsız

Detaylı

Kamuflaj Tespiti için Hiperspektral Görüntüleme Hyperspectral Imaging for Camouflage Detection

Kamuflaj Tespiti için Hiperspektral Görüntüleme Hyperspectral Imaging for Camouflage Detection Karaca A. C., Ertürk A., Güllü M. K., Elmas M., Ertürk S., Kamuflaj Tespt çn Hperspektral Görüntüleme, Clt 3, Sayı 5, Syf 35-39, Hazran 2013 SAVTEK Makales Kamuflaj Tespt çn Hperspektral Görüntüleme Hyperspectral

Detaylı

a IIR süzgeç katsayıları ve N ( M) de = s 1 (3) 3. GÜRÜLTÜ GİDERİMİ UYGULAMASI

a IIR süzgeç katsayıları ve N ( M) de = s 1 (3) 3. GÜRÜLTÜ GİDERİMİ UYGULAMASI Fırat Ünverstes-Elazığ MİTRAL KAPAK İŞARETİ ÜZERİNDEKİ ANATOMİK VE ELEKTRONİK GÜRÜLTÜLERİN ABC ALGORİTMASI İLE TASARLANAN IIR SÜZGEÇLERLE SÜZÜLMESİ N. Karaboğa 1, E. Uzunhsarcıklı, F.Latfoğlu 3, T. Koza

Detaylı

Araştırma Görevlisi İSMAİL ÇÖLKESEN

Araştırma Görevlisi İSMAİL ÇÖLKESEN Araştırma Görevlisi İSMAİL ÇÖLKESEN ÖZGEÇMİŞ Adı Soyadı : İSMAİL ÇÖLKESEN Doğum Tarihi : 1981 Ünvanı : Dr. Öğrenim Durumu : Derece Alan Üniversite Lisans Yüksek Lisans Doktora Jeodezi ve Fotogrametri Müh.

Detaylı

Karar Ağaçları İle Uydu Görüntülerinin Sınıflandırılması: Kocaeli Örneği

Karar Ağaçları İle Uydu Görüntülerinin Sınıflandırılması: Kocaeli Örneği Harita Teknolojileri Elektronik Dergisi Cilt: 2, No: 1, 2010 (36-45) Electronic Journal of Map Technologies Vol: 2, No: 1, 2010 (36-45) TEKNOLOJĠK ARAġTIRMALAR www.teknolojikarastirmalar.com e-issn: 1309-3983

Detaylı

ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI

ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI V. Ulusal Üretm Araştırmaları Sempozyumu, İstanbul Tcaret Ünverstes, 5-7 Kasım 5 ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN

Detaylı

ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE TEK ÇARPIMSAL SİNİR HÜCRELİ YAPAY SİNİR AĞI MODELİNİN EĞİTİMİ İÇİN ABC VE BP YÖNTEMLERİNİN KARŞILAŞTIRILMASI ÖZ

ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE TEK ÇARPIMSAL SİNİR HÜCRELİ YAPAY SİNİR AĞI MODELİNİN EĞİTİMİ İÇİN ABC VE BP YÖNTEMLERİNİN KARŞILAŞTIRILMASI ÖZ ANADOLU ÜNİVERSİTESİ Blm ve Teknoloj Dergs A-Uygulamalı Blmler ve Mühendslk Clt: 14 Sayı: 3 013 Sayfa: 315-38 ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE Faruk ALPASLAN 1, Erol EĞRİOĞLU 1, Çağdaş Hakan ALADAĞ,

Detaylı

2005 Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi Sayı:16, s31-46

2005 Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi Sayı:16, s31-46 2005 Gaz Ünverstes Endüstryel Sanatlar Eğtm Fakültes Dergs Sayı:16, s31-46 ÖZET BANKALARDA MALİ BAŞARISIZLIĞIN ÖNGÖRÜLMESİ LOJİSTİK REGRESYON VE YAPAY SİNİR AĞI KARŞILAŞTIRMASI 31 Yasemn KESKİN BENLİ 1

Detaylı

YÖNETİM VE EKONOMİ Yıl:2006 Cilt:13 Sayı:1 Celal Bayar Üniversitesi İ.İ.B.F. MANİSA

YÖNETİM VE EKONOMİ Yıl:2006 Cilt:13 Sayı:1 Celal Bayar Üniversitesi İ.İ.B.F. MANİSA YÖNETİM VE EKONOMİ Yıl:2006 Clt:3 Sayı: Celal Bayar Ünverstes İ.İ.B.F. MANİSA Bulanık Araç Rotalama Problemlerne Br Model Öners ve Br Uygulama Doç. Dr. İbrahm GÜNGÖR Süleyman Demrel Ünverstes, İ.İ.B.F.,

Detaylı

ADJUSTED DURBIN RANK TEST FOR SENSITIVITY ANALYSIS IN BALANCED INCOMPLETE BLOCK DESIGN

ADJUSTED DURBIN RANK TEST FOR SENSITIVITY ANALYSIS IN BALANCED INCOMPLETE BLOCK DESIGN SAÜ Fen Edebyat Dergs (2010-I) F.GÖKPINAR v.d. DENGELİ TAMAMLANMAMIŞ BLOK TASARIMINDA, DUYUSAL ANALİZ İÇİN DÜZELTİLMİŞ DURBİN SIRA SAYILARI TESTİ Fkr GÖKPINAR*, Hülya BAYRAK, Dlşad YILDIZ ve Esra YİĞİT

Detaylı

ÖRNEK TABANLI K-STAR ALGORİTMASI İLE UZAKTAN ALGILANMIŞ GÖRÜNTÜLERİN SINIFLANDIRILMASI

ÖRNEK TABANLI K-STAR ALGORİTMASI İLE UZAKTAN ALGILANMIŞ GÖRÜNTÜLERİN SINIFLANDIRILMASI ÖRNEK TABANLI K-STAR ALGORİTMASI İLE UZAKTAN ALGILANMIŞ GÖRÜNTÜLERİN SINIFLANDIRILMASI İ. Çölkesen *, T. Kavzoğlu GYTE, Mühendislik Fakültesi, Jeodezi ve Fotogrametri Müh. Bölümü, 41400 Gebze-Kocaeli (icolkesen@gyte.edu.tr,

Detaylı

Bulanık Mantık ile Hesaplanan Geoid Yüksekliğine Nokta Yüksekliklerinin Etkisi

Bulanık Mantık ile Hesaplanan Geoid Yüksekliğine Nokta Yüksekliklerinin Etkisi Harta Teknolojler Elektronk Dergs Clt: 5, No: 1, 2013 (61-67) Electronc Journal of Map Technologes Vol: 5, No: 1, 2013 (61-67) TEKNOLOJİK ARAŞTIRMALAR www.teknolojkarastrmalar.com e-issn: 1309-3983 Makale

Detaylı

X, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının

X, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının 1 DİĞER ÖZEL İSTATİSTİKSEL KALİTE KONTROL DİYAGRAMLARI X, R, p, np, c, u ve dğer kontrol dyagramları statstksel kalte kontrol dyagramlarının temel teknkler olup en çok kullanılanlarıdır. Bu teknkler ell

Detaylı

Destek Vektör Makineleri İle Uydu Görüntülerinin Sınıflandırılmasında Kernel Fonksiyonlarının Etkilerinin İncelenmesi

Destek Vektör Makineleri İle Uydu Görüntülerinin Sınıflandırılmasında Kernel Fonksiyonlarının Etkilerinin İncelenmesi Destek Vektör Makneler İle Uydu Görüntülernn Sınıflandırılmasında Kernel Fonksyonlarının Etklernn İncelenmes Destek Vektör Makneler le Uydu Görüntülernn Sınıflandırılmasında Kernel Fonksyonlarının Etklernn

Detaylı

PÜRÜZLÜ AÇIK KANAL AKIMLARINDA DEBİ HESABI İÇİN ENTROPY YÖNTEMİNİN KULLANILMASI

PÜRÜZLÜ AÇIK KANAL AKIMLARINDA DEBİ HESABI İÇİN ENTROPY YÖNTEMİNİN KULLANILMASI PÜRÜZLÜ AÇIK KANAL AKIMLARINDA DEBİ HESABI İÇİN ENTROPY YÖNTEMİNİN KULLANILMASI Mehmet ARDIÇLIOĞLU *, Galp Seçkn ** ve Özgür Öztürk * * Ercyes Ünverstes, Mühendslk Fakültes, İnşaat Mühendslğ Bölümü Kayser

Detaylı

BİNALARIN YÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU GÖRÜNTÜLERİNDEN DESTEK VEKTÖR MAKİNELERİ SINIFLANDIRMA TEKNİĞİ KULLANILARAK BELİRLENMESİ

BİNALARIN YÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU GÖRÜNTÜLERİNDEN DESTEK VEKTÖR MAKİNELERİ SINIFLANDIRMA TEKNİĞİ KULLANILARAK BELİRLENMESİ 292 BİNALARIN YÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU GÖRÜNTÜLERİNDEN DESTEK VEKTÖR MAKİNELERİ SINIFLANDIRMA TEKNİĞİ KULLANILARAK BELİRLENMESİ Dlek Koç San 1 ve Mustafa Türker 2 1 ODTÜ, Fen Blmler Ensttüsü, Jeodez ve

Detaylı

Şiddet-Süre-Frekans Bağıntısının Genetik Algoritma ile Belirlenmesi: GAP Örneği *

Şiddet-Süre-Frekans Bağıntısının Genetik Algoritma ile Belirlenmesi: GAP Örneği * İMO Teknk Derg, 28 4393-447, Yazı 29 Şddet-Süre-Frekans Bağıntısının Genetk Algortma le Belrlenmes: GAP Örneğ * Hall KARAHAN* M. Tamer AYVAZ** Gürhan GÜRARSLAN*** ÖZ Bu çalışmada, Genetk Algortma (GA)

Detaylı

Kİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI

Kİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI C.Ü. İktsad ve İdar Blmler Dergs, Clt 4, Sayı 1, 3 6 Kİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI H. BİRCAN, Y. KARAGÖZ ve Y. KASAPOĞLU

Detaylı

Konumsal Enterpolasyon Yöntemleri Uygulamalarında Optimum Parametre Seçimi: Doğu Karadeniz Bölgesi Günlük Ortalama Sıcaklık Verileri Örneği

Konumsal Enterpolasyon Yöntemleri Uygulamalarında Optimum Parametre Seçimi: Doğu Karadeniz Bölgesi Günlük Ortalama Sıcaklık Verileri Örneği S. ZENGİN KAZANCI, E. TANIR KAYIKÇI Konumsal Enterpolasyon Yöntemler Uygulamalarında Optmum Parametre Seçm: Doğu Karadenz Bölges Günlük Ortalama Sıcaklık S. ZENGİN KAZANCI 1, E. TANIR KAYIKÇI 1 1 Karadenz

Detaylı

UYDU GÖRÜNTÜLERİNDEN KENTSEL AYRINTILARIN NESNE-TABANLI SINIFLANDIRMA YÖNTEMİYLE BELİRLENMESİ VE CBS ORTAMINDA BÜTÜNLEŞTİRİLMESİ

UYDU GÖRÜNTÜLERİNDEN KENTSEL AYRINTILARIN NESNE-TABANLI SINIFLANDIRMA YÖNTEMİYLE BELİRLENMESİ VE CBS ORTAMINDA BÜTÜNLEŞTİRİLMESİ YILDIZ TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ UYDU GÖRÜNTÜLERİNDEN KENTSEL AYRINTILARIN NESNE-TABANLI SINIFLANDIRMA YÖNTEMİYLE BELİRLENMESİ VE CBS ORTAMINDA BÜTÜNLEŞTİRİLMESİ Jeodez ve Fotogrametr

Detaylı

Metin Madenciliği ile Soru Cevaplama Sistemi

Metin Madenciliği ile Soru Cevaplama Sistemi Metn Madenclğ le Soru Cevaplama Sstem Sevnç İlhan 1, Nevchan Duru 2, Şenol Karagöz 3, Merve Sağır 4 1 Mühendslk Fakültes Blgsayar Mühendslğ Bölümü Kocael Ünverstes slhan@kocael.edu.tr, nduru@kocael.edu.tr,

Detaylı

UZAKTAN ALGILANMIŞ GÖRÜNTÜLERDE SINIFLANDIRMA VE ANALİZ (CLASSIFICATION OF REMOTE SENSING IMAGES AND ANALYSIS)

UZAKTAN ALGILANMIŞ GÖRÜNTÜLERDE SINIFLANDIRMA VE ANALİZ (CLASSIFICATION OF REMOTE SENSING IMAGES AND ANALYSIS) ÖZET UZAKTAN ALGILANMIŞ GÖRÜNTÜLERDE SINIFLANDIRMA VE ANALİZ (CLASSIFICATION OF REMOTE SENSING IMAGES AND ANALYSIS) Emnnur AYHAN Fevz KARSLI Esra TUNÇ Sınıflandırma; brçok blm dalında kullanılan br karar

Detaylı

Curriculum Vitae. Degree Profession University Year. MSc Remote Sensing Gebze Institute of Technology 2009

Curriculum Vitae. Degree Profession University Year. MSc Remote Sensing Gebze Institute of Technology 2009 Curriculum Vitae Name, Surname: ISMAIL COLKESEN Date of birth: 1981 Title: Ph.D., Assistant Professor Education : Degree Profession University Year BSc Geodesy and Photogrammetry Karadeniz Technical University

Detaylı

Muhasebe ve Finansman Dergisi

Muhasebe ve Finansman Dergisi Muhasebe ve Fnansman Dergs Ocak/2012 Farklı Muhasebe Düzenlemelerne Göre Hazırlanan Mal Tablolardan Elde Edlen Fnansal Oranlar İle Şrketlern Hsse Sened Getrler Ve Pyasa Değerler Arasındak İlşk Ahmet BÜYÜKŞALVARCI

Detaylı

Tahsin YOMRALIOĞLU*, İsmail ÇÖLKESEN** *İstanbul Teknik Üniversitesi, Geomatik Mühendisliği Bölümü, Maslak, İstanbul.

Tahsin YOMRALIOĞLU*, İsmail ÇÖLKESEN** *İstanbul Teknik Üniversitesi, Geomatik Mühendisliği Bölümü, Maslak, İstanbul. Arazi Örtüsü ve Kullanımının Haritalanmasında WorldView-2 Uydu Görüntüsü ve Yardımcı Verilerin Kullanımı (Using Worldview-2 Imagery and Auxiliary Data for Land Cover and Land Use Mapping) Tahsin YOMRALIOĞLU*,

Detaylı

GRİ İLİŞKİSEL ANALİZ YÖNTEMİNE GÖRE FARKLI SERTLİKLERDE OPTİMUM TAKIM TUTUCUSUNUN BELİRLENMESİ

GRİ İLİŞKİSEL ANALİZ YÖNTEMİNE GÖRE FARKLI SERTLİKLERDE OPTİMUM TAKIM TUTUCUSUNUN BELİRLENMESİ 2. Ulusal Tasarım İmalat ve Analz Kongres 11-12 Kasım 21- Balıkesr GRİ İLİŞKİSEL ANALİZ YÖNTEMİNE GÖRE FARKLI SERTLİKLERDE OPTİMUM TAKIM TUTUCUSUNUN BELİRLENMESİ Esra YILMAZ*, Ferhat GÜNGÖR** *ylmazesraa@gmal.com

Detaylı

Veride etiket bilgisi yok Denetimsiz öğrenme (unsupervised learning) Neden gereklidir?

Veride etiket bilgisi yok Denetimsiz öğrenme (unsupervised learning) Neden gereklidir? MEH535 Örünü Tanıma 7. Kümeleme (Cluserng) Doç.Dr. M. Kemal GÜLLÜ Elekronk ve Haberleşme Mühendslğ Bölümü web: hp://akademkpersonel.kocael.edu.r/kemalg/ E-posa: kemalg@kocael.edu.r Verde eke blgs yok Denemsz

Detaylı

TÜRKİYE DEKİ 380 kv LUK 14 BARALI GÜÇ SİSTEMİNDE EKONOMİK YÜKLENME ANALİZİ

TÜRKİYE DEKİ 380 kv LUK 14 BARALI GÜÇ SİSTEMİNDE EKONOMİK YÜKLENME ANALİZİ TÜRİYE DEİ 38 kv LU 4 BARALI GÜÇ SİSTEMİDE EOOMİ YÜLEME AALİZİ Mehmet URBA Ümmühan BAŞARA 2,2 Elektrk-Elektronk Mühendslğ Bölümü Mühendslk-Mmarlık Fakültes Anadolu Ünverstes İk Eylül ampüsü, 2647, ESİŞEHİR

Detaylı

TOPSIS ÇOK KRİTERLİ KARAR VERME SİSTEMİ: TÜRKİYE DEKİ KAMU BANKALARI ÜZERİNE BİR UYGULAMA

TOPSIS ÇOK KRİTERLİ KARAR VERME SİSTEMİ: TÜRKİYE DEKİ KAMU BANKALARI ÜZERİNE BİR UYGULAMA Araştırma Makaleler TOPSIS ÇOK KRİTERLİ KARAR VERME SİSTEMİ: TÜRKİYE DEKİ KAMU BANKALARI ÜZERİNE BİR UYGULAMA Dr., Dokuz Eylül Ünverstes, İİBF İşletme Bölümü erhan.demrel@deu.edu.tr ÖZET Ekonomk faalyetlern

Detaylı

Tuğla Duvardaki ve Tesisattaki Isı Kaybının Yapay Sinir Ağları İle Belirlenmesi

Tuğla Duvardaki ve Tesisattaki Isı Kaybının Yapay Sinir Ağları İle Belirlenmesi Fırat Ünv. Fen ve Müh. Bl. Der. Scence and Eng. J of Fırat Unv. 18 (1), 133-141, 2006 18 (1), 133-141, 2006 Tuğla Duvardak ve Tessattak Isı Kaybının Yapay Snr Ağları İle Belrlenmes Ömer KELEŞOĞLU ve Adem

Detaylı

BULANIK AKIŞ TİPİ ÇİZELGELEME PROBLEMİ İÇİN ÇOK AMAÇLI GENETİK ALGORİTMA

BULANIK AKIŞ TİPİ ÇİZELGELEME PROBLEMİ İÇİN ÇOK AMAÇLI GENETİK ALGORİTMA Gaz Ünv. Müh. Mm. Fak. Der. J. Fac. Eng. Arch. Gaz Unv. Clt 22, No 4, 855-862, 2007 Vol 22, No 4, 855-862, 2007 BULANIK AKIŞ TİPİ ÇİZELGELEME PROBLEMİ İÇİN ÇOK AMAÇLI GENETİK ALGORİTMA İzzettn TEMİZ ve

Detaylı

ÖZET 1. GİRİŞ ABSTRACT.

ÖZET 1. GİRİŞ ABSTRACT. Arazi Örtüsü ve Kullanımının Haritalanmasında WorldView-2 Uydu Görüntüsü ve Yardımcı Verilerin Kullanımı (The Use of Worldview-2 Imagery and Auxiliary Data for Land Cover and Land Use Mapping) İsmail ÇÖLKESEN

Detaylı

Sınır özniteliklerinin belirlenmesi ve adaptasyonu algoritması ve konsensüs karar verici yapılarda kullanımı

Sınır özniteliklerinin belirlenmesi ve adaptasyonu algoritması ve konsensüs karar verici yapılarda kullanımı Sınır özntelklernn belrlenmes ve adaptasyonu algortması ve konsensüs karar verc yapılarda kullanımı N. Gökhan KASAPOĞLU *, Okan K. ERSOY 2 İTÜ Elektronk ve Haberleşme Mühendslğ Bölümü, 34469 Maslak, İstanbul

Detaylı

TRANSPORT PROBLEMI için GELIsTIRILMIs VAM YÖNTEMI

TRANSPORT PROBLEMI için GELIsTIRILMIs VAM YÖNTEMI Yönetm, Yl 9, Say 28, Ekm - 1997,5.20-25 TRANSPORT PROBLEMI ÇIN GELIsTIRILMIs VAM YÖNTEMI Dr. Erhan ÖZDEMIR I.Ü. Teknk Blmler M.Y.O. L.GIRIs V AM transport problemlerne en düsük malyetl baslangç çözüm

Detaylı

OBJE TABANLI YAKLAŞIMDA MAKİNE ÖĞRENME ALGORİTMALARININ SINIFLANDIRMA PERFORMANSININ ANALİZİ

OBJE TABANLI YAKLAŞIMDA MAKİNE ÖĞRENME ALGORİTMALARININ SINIFLANDIRMA PERFORMANSININ ANALİZİ OBJE TABANLI YAKLAŞIMDA MAKİNE ÖĞRENME ALGORİTMALARININ SINIFLANDIRMA PERFORMANSININ ANALİZİ T. Kavzoğlu *, İ. Çölkesen, E.K. Şahin Gebze Teknik Üniversitesi, Jeodezi ve Fotogrametri Müh. Bölümü, 41400

Detaylı

AHP AND GRA INTEGRATED APPROACH IN INNOVATION PERFORMANCE REVIEW PROCESS: AN APPLICATION IN DAIRY INDUSTRY

AHP AND GRA INTEGRATED APPROACH IN INNOVATION PERFORMANCE REVIEW PROCESS: AN APPLICATION IN DAIRY INDUSTRY Dumlupınar Ünverstes Sosyal Blmler Dergs / Dumlupınar Unversty Journal of Socal Scences İNOVASYON PERFORMANSI DEĞERLENDİRME SÜRECİNDE AHS VE GİA BÜTÜNLEŞİK YAKLAŞIMI: SÜT ÜRÜNLERİ SEKTÖRÜNDE BİR UYGULAMA

Detaylı

NİTEL TERCİH MODELLERİ

NİTEL TERCİH MODELLERİ NİTEL TERCİH MODELLERİ 2300 gözlem sayısı le verlen değşkenler aşağıdak gbdr: calsma: çocuk çalışıyorsa 1, çalışmıyorsa 0 (bağımlı değşken) Anne_egts: Anne eğtm sevyes Baba_egts: Baba eğtm sevyes Kent:

Detaylı

Okullarda Coğrafi Bilgi Sistem Destekli Öğrenci Kayıt Otomasyon Sistemi Uygulaması: Trabzon Kenti Örneği

Okullarda Coğrafi Bilgi Sistem Destekli Öğrenci Kayıt Otomasyon Sistemi Uygulaması: Trabzon Kenti Örneği Okullarda Coğraf Blg Sstem Destekl Öğrenc Kayıt Otomasyon Sstem Uygulaması: Trabzon Kent Örneğ Volkan YILDIRIM 1, Recep NİŞANCI 2, Selçuk REİS 3 Özet Ülkemzde öğrenc veller le okul darecler, öğrenc kayıt

Detaylı

Merkezi Eğilim (Yer) Ölçüleri

Merkezi Eğilim (Yer) Ölçüleri Merkez Eğlm (Yer) Ölçüler Ver setn tanımlamak üzere kullanılan ve genellkle tüm elemanları dkkate alarak ver setn özetlemek çn kullanılan ölçülerdr. Ver setndek tüm elemanları temsl edeblecek merkez noktasına

Detaylı

YAPAY BAĞIŞIKLIK TABANLI SINIFLANDIRMA YÖNTEMİYLE UZAKTAN ALGILANMIŞ GÖRÜNTÜLERİN SINIFLANDIRILMASI

YAPAY BAĞIŞIKLIK TABANLI SINIFLANDIRMA YÖNTEMİYLE UZAKTAN ALGILANMIŞ GÖRÜNTÜLERİN SINIFLANDIRILMASI YAPAY BAĞIŞIKLIK TABANLI SINIFLANDIRMA YÖNTEMİYLE UZAKTAN ALGILANMIŞ GÖRÜNTÜLERİN SINIFLANDIRILMASI T. Kavzoğlu 1, İ. Çölkesen 2 Gebze Yüksek Teknoloji Enstitüsü, Jeodezi ve Fotogrametri Mühendisliği Bölümü,

Detaylı

TOPSIS Metodu Kullanılarak Kesici Takım Malzemesi Seçimi

TOPSIS Metodu Kullanılarak Kesici Takım Malzemesi Seçimi Makne Teknolojler Elektronk Dergs Clt: 9, No: 3, 2012 (35-42) Electronc Journal of Machne Technologes Vol: 9, No: 3, 2012 (35-42) TEKNOLOJİK ARAŞTIRMALAR www.teknolojkarastrmalar.com e-issn:1304-4141 Makale

Detaylı

İYİLEŞTİRİLMİŞ KARAR AĞAÇLARI İLE UYDU GÖRÜNTÜLERİNİN SINIFLANDIRILMASI

İYİLEŞTİRİLMİŞ KARAR AĞAÇLARI İLE UYDU GÖRÜNTÜLERİNİN SINIFLANDIRILMASI TMMOB Harita ve Kadastro Mühendisleri Odası 12. Türkiye Harita Bilimsel ve Teknik Kurultayı 11 15 Mayıs 2009, Ankara İYİLEŞTİRİLMİŞ KARAR AĞAÇLARI İLE UYDU GÖRÜNTÜLERİNİN SINIFLANDIRILMASI İ. Çölkesen

Detaylı

Konveks Sınıf Modelleri Kullanarak Dijital İmgelerdeki Nesne Görüntülerinin Konumlarının Bulunması. Proje No: 109E279

Konveks Sınıf Modelleri Kullanarak Dijital İmgelerdeki Nesne Görüntülerinin Konumlarının Bulunması. Proje No: 109E279 Konveks Sınıf Modeller Kullanarak Djtal İmgelerdek Nesne Görüntülernn Konumlarının Bulunması Proje No: 109E279 Doç. Dr. Hakan Çevkalp Hüseyn Gündüz Musa Aydın Güvenç Usanmaz Onur Akyüz ŞUBAT 2013 ESKİŞEHİR

Detaylı

TRİSTÖR VE TRİYAK HARMONİKLERİNİN 3 BOYUTLU GÖSTERİMİ VE TOPLAM HARMONİK BOZUNUMA EĞRİ UYDURMA

TRİSTÖR VE TRİYAK HARMONİKLERİNİN 3 BOYUTLU GÖSTERİMİ VE TOPLAM HARMONİK BOZUNUMA EĞRİ UYDURMA PAMUKKALE ÜNİ VERSİ TESİ MÜHENDİ SLİ K FAKÜLTESİ PAMUKKALE UNIVERSITY ENGINEERING COLLEGE MÜHENDİ SLİ K BİL İ MLERİ DERGİ S İ JOURNAL OF ENGINEERING SCIENCES YIL CİLT SAYI SAYFA : : : : 5- TRİSTÖR VE TRİYAK

Detaylı

Hasar sıklıkları için sıfır yığılmalı kesikli modeller

Hasar sıklıkları için sıfır yığılmalı kesikli modeller www.statstkcler.org İstatstkçler Dergs 5 (01) 3-31 İstatstkçler Dergs Hasar sıklıkları çn sıfır yığılmalı keskl modeller Sema Tüzel Hacettepe Ünverstes Aktüerya Blmler Bölümü 06800-Beytepe, Ankara, Türkye

Detaylı

MULTISPEKTRAL UYDU GÖRÜNTÜLERİ İÇİN EN UYGUN BANT SEÇİMİNİN SINIFLANDIRMA DOĞRULUĞUNA ETKİLERİNİN İNCELENMESİ

MULTISPEKTRAL UYDU GÖRÜNTÜLERİ İÇİN EN UYGUN BANT SEÇİMİNİN SINIFLANDIRMA DOĞRULUĞUNA ETKİLERİNİN İNCELENMESİ MULTISPEKTRAL UYDU GÖRÜNTÜLERİ İÇİN EN UYGUN BANT SEÇİMİNİN SINIFLANDIRMA DOĞRULUĞUNA ETKİLERİNİN İNCELENMESİ T. Kavzoğlu *, İ. Çölkesen, E.K. Şahin Gebze Yüksek Teknoloji Enstitüsü, Jeodezi ve Fotogrametri

Detaylı

Sigma 29, , 2011 Research Article / Araştırma Makalesi MAP GENERATION USING HIGH RESOLUTION SATELLITE IMAGES

Sigma 29, , 2011 Research Article / Araştırma Makalesi MAP GENERATION USING HIGH RESOLUTION SATELLITE IMAGES Journal of Engneerng and Natural Scences Mühendslk ve Fen Blmler Dergs Sgma 9, 367-371, 011 Research Artcle / Araştırma Makales MAP GENERATION USING HIGH RESOLUTION SATELLITE IMAGES Nhat ERSOY *1, Erol

Detaylı

ROBİNSON PROJEKSİYONU

ROBİNSON PROJEKSİYONU ROBİNSON PROJEKSİYONU Cengzhan İPBÜKER ÖZET Tüm yerkürey kapsayan dünya hartalarının yapımı çn, kartografk lteratürde özel br öneme sahp olan Robnson projeksyonu dk koordnatlarının hesabı brçok araştırmacı

Detaylı

DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt:13 Sayı:2 sh.75-87 Mayıs 2012

DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt:13 Sayı:2 sh.75-87 Mayıs 2012 DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Clt:13 Sayı:2 sh.75-87 Mayıs 2012 ÇELİK YAPI SİSTEMLERİNDE İKİNCİ MERTEBE ANALİZ YÖNTEMLERİNİN İNCELENMESİ (INVESTIGATION OF SECOND ORDER ANALYSIS

Detaylı

ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE

ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY Clt/Vol.:7 Saı/No: 1 : 97-101 (006) ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE ÖĞRENCİLERİN YAZ OKULU HAKKINDAKİ

Detaylı

Kİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri

Kİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI  Ki-Kare Analizleri Kİ KAR ANALİZİ 1 Doç. Dr. Mehmet AKSARAYLI www.mehmetaksarayl K-Kare Analzler OLAY 1: Genelde br statstk sınıfında, öğrenclern %60 ının devamlı, %30 unun bazen, %10 unun se çok az derse geldkler düşünülmektedr.

Detaylı

Şehiriçi Karayolu Ağlarının Sezgisel Harmoni Araştırması Optimizasyon Yöntemi ile Ayrık Tasarımı *

Şehiriçi Karayolu Ağlarının Sezgisel Harmoni Araştırması Optimizasyon Yöntemi ile Ayrık Tasarımı * İMO Teknk Derg, 2013 6211-6231, Yazı 392 Şehrç Karayolu Ağlarının Sezgsel Harmon Araştırması Optmzasyon Yöntem le Ayrık Tasarımı * Hüseyn CEYLAN* Halm CEYLAN** ÖZ Bu çalışmada, şehrç ulaştırma ağlarının

Detaylı

DEĞİŞKEN DÖVİZ KURLARI ORTAMINDA GLOBAL BİR ŞİRKETTEKİ ESNEKLİĞİN DEĞERİ VE OPTİMUM KULLANIMI

DEĞİŞKEN DÖVİZ KURLARI ORTAMINDA GLOBAL BİR ŞİRKETTEKİ ESNEKLİĞİN DEĞERİ VE OPTİMUM KULLANIMI DEĞİŞKEN DÖVİZ KURLARI ORTAMINDA GLOBAL BİR ŞİRKETTEKİ ESNEKLİĞİN DEĞERİ VE OPTİMUM KULLANIMI Mehmet Aktan Atatürk Ünverstes, Endüstr Mühendslğ Bölümü, 25240, Erzurum. Özet: Dövz kurlarındak değşmler,

Detaylı

TRAFİK İŞARETLERİNİN HOUGH DÖNÜŞÜMÜ VE DVM KULLANILARAK SINIFLANDIRILMASI TRAFFIC SIGN CLASSIFICATION USING HOUGH TRANSFORM AND SVM

TRAFİK İŞARETLERİNİN HOUGH DÖNÜŞÜMÜ VE DVM KULLANILARAK SINIFLANDIRILMASI TRAFFIC SIGN CLASSIFICATION USING HOUGH TRANSFORM AND SVM TRAFİK İŞARETLERİNİN HOUGH DÖNÜŞÜMÜ VE DVM KULLANILARAK SINIFLANDIRILMASI TRAFFIC SIGN CLASSIFICATION USING HOUGH TRANSFORM AND SVM Emrah ONAT SDT - Space & Defence Technologes A.Ş. emrahonat@yahoo.com

Detaylı

Coğrafi Bilgi Sistemlerinin Neonatal Tetanozun Dağılımının Belirlenmesinde Kullanımı

Coğrafi Bilgi Sistemlerinin Neonatal Tetanozun Dağılımının Belirlenmesinde Kullanımı TAF Preventve Medcne Bulletn, 2009: 81 Araştırma/Research Artcle TAF Prev Med Bull 2009; 81:59-68 Coğraf Blg Sstemlernn Neonatal Tetanozun Dağılımının Belrlenmesnde Kullanımı [Usng Geographc Informaton

Detaylı

KENTSEL ALANDA ET TALEP ANALİZİ: BATI AKDENİZ BÖLGESİ ÖRNEĞİ. Dr. Ali Rıza AKTAŞ 1 Dr. Selim Adem HATIRLI 2

KENTSEL ALANDA ET TALEP ANALİZİ: BATI AKDENİZ BÖLGESİ ÖRNEĞİ. Dr. Ali Rıza AKTAŞ 1 Dr. Selim Adem HATIRLI 2 Journal of Yasar Unversty 2010 3294-3319 KENTSEL ALANDA ET TALEP ANALİZİ: BATI AKDENİZ BÖLGESİ ÖRNEĞİ Dr. Al Rıza AKTAŞ 1 Dr. Selm Adem HATIRLI 2 ÖZET Bu çalışmada, Batı Akdenz Bölges kent merkezlernde

Detaylı

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Gülesen ÜSTÜNDAĞ BAZI PARAMETRİK OLMAYAN İSTATİSTİKSEL YÖNTEMLERİN İNCELENMESİ İSTATİSTİK ANABİLİM DALI ADANA, 005 ÇUKUROVA ÜNİVERSİTESİ

Detaylı

YÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU VERİLERİ KULLANILARAK ORMAN ÖRTÜSÜNÜN SEGMENT-TABANLI SINIFLANDIRILMASI ÖZET

YÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU VERİLERİ KULLANILARAK ORMAN ÖRTÜSÜNÜN SEGMENT-TABANLI SINIFLANDIRILMASI ÖZET III. Ulusal Karadeniz Ormancılık Kongresi 20-22 Mayıs 2010 Cilt: II Sayfa: 471-476 YÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU VERİLERİ KULLANILARAK ORMAN ÖRTÜSÜNÜN SEGMENT-TABANLI SINIFLANDIRILMASI Muhittin İNAN 1, Hakan

Detaylı

DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 16 Sayı: 48 sh. 61-75 Eylül 2014 KRİL SÜRÜSÜ ALGORİTMASI İLE ATÖLYE ÇİZELGELEME

DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 16 Sayı: 48 sh. 61-75 Eylül 2014 KRİL SÜRÜSÜ ALGORİTMASI İLE ATÖLYE ÇİZELGELEME DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Clt: 16 Sayı: 48 sh. 61-75 Eylül 2014 KRİL SÜRÜSÜ ALGORİTMASI İLE ATÖLYE ÇİZELGELEME (JOB SHOP SCHEDULING WITH KRILL HERD ALGORITHM) İlker GÖLCÜK

Detaylı

UZAKTAN ALGILANMIŞ GÖRÜNTÜLERDE OPTİMUM BANTLARIN SEÇİMİNDE DESTEK VEKTÖR MAKİNELERİNİN KULLANIMI

UZAKTAN ALGILANMIŞ GÖRÜNTÜLERDE OPTİMUM BANTLARIN SEÇİMİNDE DESTEK VEKTÖR MAKİNELERİNİN KULLANIMI UZAKTAN ALGILANMIŞ GÖRÜNTÜLERDE OPTİMUM BANTLARIN SEÇİMİNDE DESTEK VEKTÖR MAKİNELERİNİN KULLANIMI İ. Çölkesen a, *, T. Kavzoğlu a, T. Yomralıoğlu b a GTÜ, Jeodezi ve Fotogrametri Müh. Böl., 41400 Gebze-Kocaeli,

Detaylı

Basel II Geçiş Süreci Sıkça Sorulan Sorular

Basel II Geçiş Süreci Sıkça Sorulan Sorular Basel II Geçş Sürec Sıkça Sorulan Sorular Soru No: 71 Cevaplanma Tarh: 06.03.2012 İlgl Hüküm: --- Konu: Gayrmenkul İpoteğyle Temnatlandırılmış Alacaklar İçn KR510AS Formunun Doldurulmasına İlşkn Örnek

Detaylı

FLYBACK DÖNÜŞTÜRÜCÜ TASARIMI VE ANALİZİ

FLYBACK DÖNÜŞTÜRÜCÜ TASARIMI VE ANALİZİ FLYBACK DÖNÜŞTÜRÜCÜ TASARIMI VE ANALİZİ 1 Nasır Çoruh, Tarık Erfdan, 3 Satılmış Ürgün, 4 Semra Öztürk 1,,4 Kocael Ünverstes Elektrk Mühendslğ Bölümü 3 Kocael Ünverstes Svl Havacılık Yüksekokulu ncoruh@kocael.edu.tr,

Detaylı

İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ

İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ Türkye İnşaat Mühendslğ, XVII. Teknk Kongre, İstanbul, 2004 İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ Nur MERZİ 1, Metn NOHUTCU, Evren YILDIZ 1 Orta Doğu Teknk Ünverstes, İnşaat Mühendslğ Bölümü, 06531 Ankara

Detaylı

Mut Orman İşletmesinde Karaçam, Sedir ve Kızılçam Ağaç Türleri İçin Dip Çap Göğüs Çapı İlişkileri

Mut Orman İşletmesinde Karaçam, Sedir ve Kızılçam Ağaç Türleri İçin Dip Çap Göğüs Çapı İlişkileri Süleyman Demrel Ünverstes, Fen Blmler Ensttüsü, 9-3,(5)- Mut Orman İşletmesnde Karaçam, Sedr ve Kızılçam Ağaç Türler İçn Dp Çap Göğüs Çapı İlşkler R.ÖZÇELİK 1 Süleyman Demrel Ünverstes Orman Fakültes Orman

Detaylı

PROJELERDE -DAĞILIMININ ÜÇ DURUMUNA GÖRE PROJE TAMAMLANMA ZAMANININ BULUNMASINDA İSTATİSTİKSEL BİR ANALİZ

PROJELERDE -DAĞILIMININ ÜÇ DURUMUNA GÖRE PROJE TAMAMLANMA ZAMANININ BULUNMASINDA İSTATİSTİKSEL BİR ANALİZ C.Gencer ve O.Türkbey, Gaz Ünverstes. Fen Blmler Dergs, (00), 77-90 PROJELERDE -DAĞILIMININ ÜÇ DURUMUNA GÖRE PROJE TAMAMLANMA ZAMANININ BULUNMASINDA İSTATİSTİKSEL BİR ANALİZ Cevrye GENCER Orhan TÜRKBEY

Detaylı

MESLEK SEÇİMİ PROBLEMİNDE ÇOK ÖZELLİKLİ KARAR VERME VE ÇÖZÜME YÖNELİK GELİŞTİRİLEN BİREYSEL KARİYER PLANLAMA PROGRAMI

MESLEK SEÇİMİ PROBLEMİNDE ÇOK ÖZELLİKLİ KARAR VERME VE ÇÖZÜME YÖNELİK GELİŞTİRİLEN BİREYSEL KARİYER PLANLAMA PROGRAMI MESLEK SEÇİMİ PROBLEMİNDE ÇOK ÖZELLİKLİ KARAR VERME VE ÇÖZÜME YÖNELİK GELİŞTİRİLEN BİREYSEL KARİYER PLANLAMA PROGRAMI Fath ÇİL GAZİ ÜNİVERSİTESİ Mühendslk Mmarlık Fakültes Endüstr Mühendslğ Bölümü 4. Sınıf

Detaylı

Öznitelik Seçme Yöntemlerinin Karılatırılması ve Baarı Kriteri

Öznitelik Seçme Yöntemlerinin Karılatırılması ve Baarı Kriteri C. Ünsalan and A. Erçl, "Comparson of feature selecton algorthms a new performance crtera for feature selecton", Proceedngs of IEEE SIU'98, pp. 60-65, ay 998, Kzlcahamam, Turkey (n Turksh Özntelk Seçme

Detaylı

Obtaining Classical Reliability Terms from Item Response Theory in Multiple Choice Tests

Obtaining Classical Reliability Terms from Item Response Theory in Multiple Choice Tests Ankara Unversty, Journal of Faculty of Educatonal Scences, year: 26, vol: 39, no: 2, 27-44 Obtanng Classcal Relablty Terms from Item Response Theory n Multple Choce Tests Hall Yurdugül * ABSTRACT: The

Detaylı

Bilgisayarla Görüye Giriş

Bilgisayarla Görüye Giriş Blgsayarla Görüye Grş Ders 8 Görüntü Eşleme Alp Ertürk alp.erturk@kocael.edu.tr Panorama Oluşturma Görüntüler eşlememz / çakıştırmamız gerekmektedr Panorama Oluşturma İk görüntüden özntelkler çıkar Panorama

Detaylı

UNSUPERVISED SINIFLANDIRMA YÖNTEMLERİNİN İNCELENMESİ, KARŞILAŞTIRILMASI VE YENİ METOD GELİŞTİRİLMESİ ÜZERİNDE ÇALIŞMALAR *

UNSUPERVISED SINIFLANDIRMA YÖNTEMLERİNİN İNCELENMESİ, KARŞILAŞTIRILMASI VE YENİ METOD GELİŞTİRİLMESİ ÜZERİNDE ÇALIŞMALAR * UNSUPERVISED SINIFLANDIRMA YÖNTEMLERİNİN İNCELENMESİ, KARŞILAŞTIRILMASI VE YENİ METOD GELİŞTİRİLMESİ ÜZERİNDE ÇALIŞMALAR * Examnng of unsupervsed clusterng methods, confrontaton wth and mprovng new clusterng

Detaylı

Bulanık TOPSIS ve Bulanık VIKOR Yöntemleriyle Alışveriş Merkezi Kuruluş Yeri Seçimi ve Bir Uygulama

Bulanık TOPSIS ve Bulanık VIKOR Yöntemleriyle Alışveriş Merkezi Kuruluş Yeri Seçimi ve Bir Uygulama EGE AKADEMİK BAKIŞ / EGE ACADEMIC REVIEW Clt: 14 Sayı: 3 Temmuz 2014 ss. 463-479 Bulanık TOPSIS ve Bulanık VIKOR Yöntemleryle Alışverş Merkez Kuruluş Yer Seçm ve Br Uygulama Selecton of Shoppng Center

Detaylı

İyi Tarım Uygulamaları Ve Tüketici Davranışları (Logit Regresyon Analizi)(*)

İyi Tarım Uygulamaları Ve Tüketici Davranışları (Logit Regresyon Analizi)(*) Gazosmanpaşa Ünverstes Zraat Fakültes Dergs Journal of Agrcultural Faculty of Gazosmanpasa Unversty http://zraatderg.gop.edu.tr/ Araştırma Makales/Research Artcle JAFAG ISSN: 1300-2910 E-ISSN: 2147-8848

Detaylı

BİRLEŞİK DALGACIK-SİNİR AĞI MODELİ YAKLAŞIMI İLE ELEKTRİK GÜÇ SİSTEMLERİNDE ARIZA SINIFLAMA

BİRLEŞİK DALGACIK-SİNİR AĞI MODELİ YAKLAŞIMI İLE ELEKTRİK GÜÇ SİSTEMLERİNDE ARIZA SINIFLAMA BİRLEŞİK DALGACIK-SİNİR AĞI MODELİ YAKLAŞIMI İLE ELEKTRİK GÜÇ SİSTEMLERİNDE ARIZA SINIFLAMA Oben DAĞ Canbolat UÇAK, Elektrk-Elektronk Mühendslğ Bölümü Mühendslk-Mmarlk Fakültes Yedtepe Ünverstes,, Erenköy,

Detaylı

Antalya Đlinde Serada Domates Üretiminin Kâr Etkinliği Analizi

Antalya Đlinde Serada Domates Üretiminin Kâr Etkinliği Analizi Tarım Blmler Dergs Tar. Bl. Der. Derg web sayfası: www.agr.ankara.edu.tr/derg Journal of Agrcultural Scences Journal homepage: www.agr.ankara.edu.tr/journal TARIM BİLİMLERİ DERGİSİ JOURNAL OF AGRICULTURAL

Detaylı

KIRIKKALE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ENDÜSTRİ MÜHENDİSLİĞİ ÇOK KRİTERLİ KARAR VERME YÖNTEMLERİNDEN AHP VE TOPSIS İLE KAMP YERİ SEÇİMİ

KIRIKKALE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ENDÜSTRİ MÜHENDİSLİĞİ ÇOK KRİTERLİ KARAR VERME YÖNTEMLERİNDEN AHP VE TOPSIS İLE KAMP YERİ SEÇİMİ KIRIKKALE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ENDÜSTRİ MÜHENDİSLİĞİ ÇOK KRİTERLİ KARAR VERME YÖNTEMLERİNDEN AHP VE TOPSIS İLE KAMP YERİ SEÇİMİ Burak KARAHAN Burak PEKEL Neşet BEDİR Cavt CAN Kırıkkale -2014-

Detaylı

AĞIR BİR NAKLİYE UÇAĞINA AİT BİR YAPISAL BİLEŞENİN TASARIMI VE ANALİZİ

AĞIR BİR NAKLİYE UÇAĞINA AİT BİR YAPISAL BİLEŞENİN TASARIMI VE ANALİZİ III. ULUSAL HAVACILIK VE UZAY KONFERANSI 16-18 Eylül 2010, ANADOLU ÜNİVERSİTESİ, Eskşehr AĞIR BİR NAKLİYE UÇAĞINA AİT BİR YAPISAL BİLEŞENİN TASARIMI VE ANALİZİ Davut ÇIKRIKCI * Yavuz YAMAN Murat SORGUÇ

Detaylı

4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ

4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ Ünsal M.; Varol, A.: Soğutma Kulelernn Boyutlandırılması İçn Br Kuramsal 8 Mayıs 990, S: 8-85, Adana 4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ Asaf Varol Fırat Ünverstes, Teknk Eğtm Fakültes,

Detaylı

TEKNOLOJĐK ARAŞTIRMALAR

TEKNOLOJĐK ARAŞTIRMALAR www.teknolojkarastrmalar.com ISSN:305-63X Yapı Teknolojler Elektronk Dergs 008 () - TEKNOLOJĐK ARAŞTIRMALAR Makale Başlığın Boru Hattı Etrafındak Akıma Etks Ahmet Alper ÖNER Aksaray Ünverstes, Mühendslk

Detaylı

KIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM TALEP SİSTEMİ YAKLAŞIMIYLA ANALİZİ

KIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM TALEP SİSTEMİ YAKLAŞIMIYLA ANALİZİ Süleyman Demrel Ünverstes Sosyal Blmler Ensttüsü Dergs Yıl: 2007/2, Sayı: 6 Journal of Suleyman Demrel Unversty Insttue of Socal Scences Year: 2007/2, Number: 6 KIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM

Detaylı

ARAZİ ÖRTÜSÜ HARİTALARININ ÜRETİLMESİNDE YERYÜZÜ ÖZELLİKLERİNİN SINIFLANDIRMA DOĞRULUĞUNA ETKİLERİNİN İNCELENMESİ: TRABZON ÖRNEĞİ

ARAZİ ÖRTÜSÜ HARİTALARININ ÜRETİLMESİNDE YERYÜZÜ ÖZELLİKLERİNİN SINIFLANDIRMA DOĞRULUĞUNA ETKİLERİNİN İNCELENMESİ: TRABZON ÖRNEĞİ ARAZİ ÖRTÜSÜ HARİTALARININ ÜRETİLMESİNDE YERYÜZÜ ÖZELLİKLERİNİN SINIFLANDIRMA DOĞRULUĞUNA ETKİLERİNİN İNCELENMESİ: TRABZON ÖRNEĞİ İ. Çölkesen*, T. Kavzoğlu Gebze Yüksek Teknoloji Enstitüsü, Jeodezi ve

Detaylı

Genel Doğrusal Karışık Modellerde Farklı Kovaryans Yapıları ve Tahmin Yöntemlerinin Performanslarının Karşılaştırılması 1

Genel Doğrusal Karışık Modellerde Farklı Kovaryans Yapıları ve Tahmin Yöntemlerinin Performanslarının Karşılaştırılması 1 Hayvansal Üretm 54(): 8-3, 03 Araştırma Makales Genel Doğrusal Karışık Modellerde Farklı Kovaryans Yapıları ve Tahmn Yöntemlernn Performanslarının Karşılaştırılması Gazel Ser *, Barış Kak, Abdullah Yeşlova,

Detaylı

CuEEG: EEG Verilerinin Hızlı İşlenmesi için GPU Tabanlı Bir Yaklaşım CuEEG: A GPU-Based Approach for Fast Processing of EEG Data

CuEEG: EEG Verilerinin Hızlı İşlenmesi için GPU Tabanlı Bir Yaklaşım CuEEG: A GPU-Based Approach for Fast Processing of EEG Data ELECO '212 Elektrk - Elektronk ve Blgsayar Mühendslğ Sempozyumu, 29 Kasım - 1 Aralık 212, Bursa CuEEG: EEG Verlernn Hızlı İşlenmes çn GPU Tabanlı Br Yaklaşım CuEEG: A GPU-Based Approach for Fast Processng

Detaylı

ALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet

ALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Yayın Gelş Tarh: 18.02.2011 Clt: 13, Sayı: 1, Yıl: 2011, Sayfa: 21-37 Yayına Kabul Tarh: 17.03.2011 ISSN: 1302-3284 ALGILANAN HİZMET KALİTESİ VE LOJİSTİK

Detaylı

Boğaziçi Köprüsü Hareketlerinin Zaman Dizileri Analizi İle Belirlenmesi

Boğaziçi Köprüsü Hareketlerinin Zaman Dizileri Analizi İle Belirlenmesi hkm Jeodez, Jeonformasyon ve Araz Yönetm Dergs 2009/ Sayı 00 www.hkmo.org.tr Boğazç Köprüsü Hareketlernn Zaman Dzler Analz İle Belrlenmes Hedye ERDOĞAN, Engn GÜLAL 2 Özet Bu makalede; Asya le Avrupa kıtalarını

Detaylı

ENDÜSTRİYEL BİR ATIK SUYUN BİYOLOJİK ARITIMI VE ARITIM KİNETİĞİNİN İNCELENMESİ

ENDÜSTRİYEL BİR ATIK SUYUN BİYOLOJİK ARITIMI VE ARITIM KİNETİĞİNİN İNCELENMESİ ENDÜSTRİYEL BİR ATIK SUYUN BİYOLOJİK ARITIMI VE ARITIM KİNETİĞİNİN İNCELENMESİ Emel KOCADAYI EGE ÜNİVERSİTESİ MÜH. FAK., KİMYA MÜH. BÖLÜMÜ, 35100-BORNOVA-İZMİR ÖZET Bu projede, Afyon Alkalot Fabrkasından

Detaylı

Çok ölçütlü karar verme yaklaşımlarına dayalı tedarikçi seçimi: elektronik sektöründe bir uygulama

Çok ölçütlü karar verme yaklaşımlarına dayalı tedarikçi seçimi: elektronik sektöründe bir uygulama 346 Çok ölçütlü karar verme yaklaşımlarına dayalı tedarkç seçm: elektronk sektöründe br uygulama Murat ARIKAN 1, Berat GÖKBEK 1 1 Endüstr Mühendslğ Bölümü, Mühendslk Fakültes, Gaz Ünverstes, Maltepe-Ankara

Detaylı

Soğutucu Akışkan Karışımlarının Kullanıldığı Soğutma Sistemlerinin Termoekonomik Optimizasyonu

Soğutucu Akışkan Karışımlarının Kullanıldığı Soğutma Sistemlerinin Termoekonomik Optimizasyonu Soğutucu Akışkan arışımlarının ullanıldığı Soğutma Sstemlernn ermoekonomk Optmzasyonu * 1 Hüseyn aya, 2 ehmet Özkaymak ve 3 rol Arcaklıoğlu 1 Bartın Ünverstes akne ühendslğ Bölümü, Bartın, ürkye 2 arabük

Detaylı

GRAFİK TABANLI ŞİFRELERİN GÜVENLİK ANALİZİ İÇİN BİR YAKLAŞIM

GRAFİK TABANLI ŞİFRELERİN GÜVENLİK ANALİZİ İÇİN BİR YAKLAŞIM Uludağ Ünverstes Mühendslk-Mmarlık Fakültes Dergs, Clt 11, Sayı 2, 2006 GRAFİK TABANLI ŞİFRELERİN GÜVENLİK ANALİZİ İÇİN BİR YAKLAŞIM Ahmet Emr DİRİK Özet: Grafk tabanlı şfreler, alfanümerk şfrelerden farklı

Detaylı

BIST da Demir, Çelik Metal Ana Sanayii Sektöründe Faaliyet Gösteren İşletmelerin Finansal Performans Analizi: VZA Süper Etkinlik ve TOPSIS Uygulaması

BIST da Demir, Çelik Metal Ana Sanayii Sektöründe Faaliyet Gösteren İşletmelerin Finansal Performans Analizi: VZA Süper Etkinlik ve TOPSIS Uygulaması EGE AKADEMİK BAKIŞ / EGE ACADEMIC REVIEW Clt: 4 Sayı: Ocak 04 ss. 9-9 BIST da Demr, Çelk Metal Ana Sanay Sektöründe Faalyet Gösteren İşletmelern Fnansal Performans Analz: VZA Süper Etknlk ve TOPSIS Uygulaması

Detaylı

FAKTÖR A ALĐZ SKORLARI KULLA ILARAK KARAYAKA KUZULARI DA CA LI AĞIRLIK TAHMĐ Đ

FAKTÖR A ALĐZ SKORLARI KULLA ILARAK KARAYAKA KUZULARI DA CA LI AĞIRLIK TAHMĐ Đ Anadolu Tarım Blm. Derg., 2009,24(2):98-102 Anadolu J. Agrc. Sc., 2009,24(2):98-102 Araştırma Research FAKTÖR A ALĐZ SKORLARI KULLA ILARAK KARAYAKA KUZULARI DA CA LI AĞIRLIK TAHMĐ Đ Soner ÇA KAYA* Aydın

Detaylı

FARKLI VERİ YAPILARINDA KULLANILABİLECEK REGRESYON YÖNTEMLERİ

FARKLI VERİ YAPILARINDA KULLANILABİLECEK REGRESYON YÖNTEMLERİ Anadolu Tarım Blm. Derg., 203,28(3):68-74 Anadolu J Agr Sc, 203,28(3):68-74 do: 0.76/anaas.203.28.3.68 URL: htt://dx.do.org/0.76/anaas.203.28.3.68 Derleme Revew FARKLI VERİ YAPILARINDA KULLANILABİLECEK

Detaylı

DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre

DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre 1 DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cnemre 2 BİRİNCİ BÖLÜM HEDEF PROGRAMLAMA 1.1 Grş Karar problemler amaç sayısına göre tek amaçlı ve çok amaçlı

Detaylı

TÜKETİCİ TATMİNİ VERİLERİNİN ANALİZİ: YAPAY SİNİR AĞLARI ve REGRESYON ANALİZİ KARŞILAŞTIRMASI

TÜKETİCİ TATMİNİ VERİLERİNİN ANALİZİ: YAPAY SİNİR AĞLARI ve REGRESYON ANALİZİ KARŞILAŞTIRMASI 1 TÜKETİCİ TATMİNİ VERİLERİNİN ANALİZİ: YAPAY SİNİR AĞLARI ve REGRESYON ANALİZİ KARŞILAŞTIRMASI Metehan TOLON Nuray GÜNERİ TOSUNOĞLU Özet Tüketc tatmn araştırmaları özelde pazarlama yönetclernn, genelde

Detaylı

TEKNOLOJİ, PİYASA REKABETİ VE REFAH

TEKNOLOJİ, PİYASA REKABETİ VE REFAH TEKNOLOJİ, PİYASA REKABETİ VE REFAH Dr Türkmen Göksel Ankara Ünverstes Syasal Blgler Fakültes Özet Bu makalede teknoloj sevyesnn pyasa rekabet ve refah sevyes üzerndek etkler matematksel br model le ncelenecektr

Detaylı

Sıfır Ağırlıklı Sayma ile Elde Edilen Veriler İçin Çok Seviyeli ZIP Regresyon * Multilevel ZIP Regression for Zero-Inflated Count Data

Sıfır Ağırlıklı Sayma ile Elde Edilen Veriler İçin Çok Seviyeli ZIP Regresyon * Multilevel ZIP Regression for Zero-Inflated Count Data Yüzüncü Yıl Ünverstes Fen Blmler Ensttüsü Dergs/ Journal of The Insttute of Natural & Appled Scences 18 (1-):01-08, 013 Araştırma Makales/Research Artcle Sıfır Ağırlıklı Sayma le Elde Edlen Verler İçn

Detaylı