GRAFİK TABANLI ŞİFRELERİN GÜVENLİK ANALİZİ İÇİN BİR YAKLAŞIM
|
|
- Metin Süleymanoğlu
- 8 yıl önce
- İzleme sayısı:
Transkript
1 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 olarak sstem ekranında görüntülenen br mge üzerndek bazı bölgelern şfre olarak seçlmes prensbne dayanmaktadır. Alfanümerk tabanlı şfrelere at alfabe set yaklaşık 70 karakterden oluşurken, grafk tabanlı şfrelerde alfabe boyutu kullanılan mgenn çözünürlüğüne bağlı olarak 1000 veya daha fazla olablr. Bu da sstem güvenlğn öneml ölçüde arttırmaktadır. Bununla brlkte her yüksek çözünürlüklü mge yüksek entropye sahp olmayablr. Grafk şfrelern alfanümerk şfrelere oranla daha güvenl olduğunu söyleyeblmek çn kullanılan mgeye bağlı olarak grafk şfre entropsnn hesaplanması gerekmektedr. Bu çalışmada grafk şfrelern güvenlk analznde kullanılmak üzere br grafk şfre entrop kestrm algortması gelştrlmştr. Gelştrlen algortma grafk tabanlı şfrelemede kullanılan çeştl mgeler üzernde denenmştr. Elde edlen sonuçlar önerlen algortmanın grafk şfreleme sstemlernde kullanılableceğn göstermştr. Anahtar Kelmeler: Grafk tabanlı şfreler, entrop, focus of attenton (FOA), güvenlk. A Novel Approach for Securty Analyss of Graphcal Passwords Abstract: Graphcal passwords are dfferent from classc alphanumerc based passwords such that graphcal passwords are based on clckng some pxels on a system screen for system entry. The alphabet set of the alphanumerc passwords conssts of nearly 70 alphanumerc characters whereas the alphabet sze of graphcal passwords would be more than 1000 dependng on the resoluton of the mage used for graphcal password. Thus usng graphcal passwords nstead of alphanumerc ones would ncrease the securty of the authentcaton systems. However, some mages used for graphcal passwords may not have hgh entropes. In order to say that the graphcal passwords are better than the alphanumerc ones there should be a tool that computes or estmates the entropy of the graphcal passwords. In ths study an entropy estmaton algorthm for graphcal passwords s proposed to be used n securty analyss of graphcal passwords. The proposed algorthm s tested on several password mages. The numercal result shows that the proposed entropy estmaton algorthm can be used successfully n graphcal password based authentcaton systems. Keywords: Graphcal passwords, entropy, focus of attenton (FOA), securty. 1. GİRİŞ Günümüzde kullanıcı tanıma ve doğrulama sstemlernde kullanılan şfreler genellkle alfanümerk tabanlıdır. Bu tp şfreler bell br karakter setnden seçlmş şfre dzsnn bell br sıra le ssteme grlmes prensbne dayanmaktadır. Kullanıcı tanıma sstemlernde alfanümerk şfrelere alternatf olarak bometrk verler, parmak z, retna taraması, ses tanıma, manyetk ve akıllı kart uygulamaları gb br çok farklı teknk de kullanılmaktadır (Uludag ve dğ. 2004). Alfanümerk şfrelere alternatf olarak önerlen her br teknğn kendne göre çeştl avantaj ve dezavantajları bulunmaktadır. Örneğn bometrk tabanlı sstemler kşye özel, çalınması veya unutulması mkansız şfreler sunarken bometrk very yenlemek veya değştrmek hçbr zaman mümkün olmamaktadır. Ayrıca parmak z tanıma sstemler tamamen hatasız çalışmamakta, kullanıcılardan brnn parmağında herhang br cerrah müdahale söz konusu olduğunda bometrk ver tamamen veya kısmen kaybolmaktadır. Manyetk kart ve pl tabanlı tanımlama sstemler se kullanıcının km olduğunuzdan zyade kmn o kartı taşıdığı le lglenmektedr. Bu yüzden manyetk kart veya pln kaybolma veya çalınma durumlarında çeştl güvenlk problemler doğablmektedr. Bu problem her br karta at br kşsel kmlk numarası (PIN: Personal Identfcaton Number) ve şfrenn atanması le çözülmeye çalışılmakta ancak bu da sstem malyetlern öneml ölçüde arttırmaktadır. Uludağ Ünverstes, Mühendslk-Mmarlık Fakültes, Elektronk Mühendslğ Bölümü, 16059, Görükle, Bursa. 23
2 Kullanıcı tanıma sstemlerndek güvenlk problem kullanılan şfrelern alfabe setnn genşletlmes ve/veya şfredek basamak sayısının arttırılması le çözüleblr. Ayrıca güvenlğ arttırmak çn belrl aralıklarla kullanıcılardan şfrelern değştrmeler, şfrelernde sadece rakam veya harf kullanmamaları, hatta şfre grşlernde klavye yerne ekran üzernde belren sanal klavyelere fare veya kalem le grş yapmaları steneblr. Bütün bu şlemler şfre oluşturma sürecn ve şfrenn kullanımını karmaşıklaştırarak şfre sahb dışında kötü nyetl kşlern ssteme grşlern zorlaştırmaktadır. Bununla beraber güvenlk gerekçes le kullanıcı tanıma sstemlernn daha karmaşık hale getrlmes sstem kullanımını ve karmaşık şfrelern hatırlanmasını zorlaştırılmaktadır. Hem yüksek güvenlğe sahp hem de kolay kullanılablr br kullanıcı tanıma sstem tasarımı güvenlk sstemler çn öneml ve güncel br problemdr (Jan 2000). Grafk tabanlı şfreler kolay kullanımı ve alfanümerk şfrelere oranla daha güvenlr olması neden le klask şfreleme yöntemlerne br alternatf olarak ortaya çıkmıştır. Grafk tabanlı şfre sstemler, nsanların görsel verler yazı ve sayılara göre daha y hatırladığı hpotezne dayanmaktadır. Böylece kullanıcıların hatırlama kolaylığından dolayı zayıf ve kolay kırılablen şfre oluşturma olasılıkları azalmaktadır (Jermyn 1999). Grafk tabanlı şfre sstemler tanıma veya hatırlamaya dayalı olarak k farklı şeklde gelştrlmektedr. Tanıma tabanlı sstemlerde kullanıcıların büyük br mge set çersnden daha önce şfre olarak belrledkler br mgey tanıyıp seçmes gerekmektedr. Sıralı hatırlamaya dayalı grafk tabanlı şfre sstemlernde se kullanıcılardan belrl br mge üzernde önceden seçlmş noktaların sıra le tıklanması stenmektedr. Bu tp sstemlerde kullanıcıya sunulan mge yardımı le mevcut şfrenn hatırlanması kolaylaşmaktadır. Çünkü, grafk şfre mevcut mge çersndek bazı noktaların tıklanması le oluşmakta, bu da kullanıcıların kend oluşturdukları şfreler daha kolay hatırlamalarını sağlamaktadır. Alfanümerk şfrelerde bunun gb br hatırlatıcı unsur bulunmamakta, bundan dolayı kullanıcılar kolay hatırlayabldkler sm, tarh, yer, vb. blgler şfre seçmnde kullanmaktadırlar. Bu da alfanümerk şfrelern kötü nyetl kşler tarafından kırılmasını veya tahmn edlmesn kolaylaştırmaktadır. Hatırlamaya dayalı lk grafk tabanlı şfre sstem 1996 yılında G. Blonder tarafından önerlmştr (Blonder, 1996). Bu sstemde kullanıcı, şfresn ekranda görüntülenen br mge üzernde belrl noktalara tıklayarak oluşturmaktadır. Kullanıcının sstem tarafından tanınması çn mge üzernde önceden şfre olarak belrlenen bölgeler veya yakın çevresn şfredek sıra le kullanıcı ekranı üzernden tıklaması gerekmektedr. Bu sstemde brden fazla mge kullanılmamakta bunun yerne tek br mge üzernde belrl noktaların şaretlenmes le ssteme grş yapılmaktadır. Borodtsky (2002) bu uygulamayı daha da bastleştrerek kullanıcıların tıklayableceğ bölgeler mge üzernde kalın çzgler le br brnden ayırmış ve tüm mgey br ızgara üzerne oturtarak kullanım kolaylığı sağlamıştır. Bu sstemn dezavantajlarından brs mgenn kalın ızgara çzgler le bölünmesnden dolayı şfre alfabe setnn oldukça küçük olması ve bundan dolayı şfre uzunluğunun artmasıdır (örneğn her şfre çn 12 tıklama). Sstemn br dğer dezavantajı se kullanıcıların kend stedkler mgeler ssteme yükleyememelerdr. Bu çalışmada kullanılan grafk şfre sstem, hatırlamaya dayalı Wedenbeck ve dğ. (2005) gelştrdğ PassPonts uygulamasıdır. PassPonts sstemnde kullanıcı şfre olarak kullanmak stedğ her hang br mgey ssteme yükleyeblmekte ve hç br kısıtlama olmaksızın mge üzerndek her hang br detayı şfre olarak seçeblmektedr. Bu yönü le Wedenbeck ve arkadaşlarının gelştrdğ bu sstem Borodtsky nn önerdğ sstemdek uzun şfre seçm ve ızgara çzgler altında kalan detayların şfre olarak seçlememes gb sorunlara alternatf br çözüm getrmektedr. PassPonts uygulamasında kullanıcının seçtğ mge aynı zamanda hatırlatıcı br görev görmekte, böylece kullanıcıların şfrelern hatırlaması çn herhang br yere not düşmes gerekmemektedr. Ancak bu sstemde mge üzerndek her nokta potansyel olarak şfre seçmnde kullanılmaya aday olsa da, yüksek boyutlara sahp olan mgelern düşük boyutlara sahp mgelere göre her zaman daha güvenl olduğu söylenemez. Örneğn çok ayrıntıya sahp olmayan br mge, boyutu büyük de olsa, boyutu küçük fakat yüksek mktarda ayrıntı çeren karmaşık br mgeye oranla şfre seçm çn daha az güvenlr olablr. Bu makalede önerlen metot yardımı le PassPonts gb sstemlerde kullanıcıların şfre çn seçtğ mgelern güvenlk analz yapılablmekte, böylece kullanıcıların seçtğ mgelern grafk tabanlı şfre sstemlernde kullanılıp kullanılamayacağı hakkında ncel br değer üretleblmektedr. Bu sayede grafk tabanlı kullanıcı tanıma sstemlernn ve kullanıcıların güvenlğ arttırılarak, zayıf ve kolay kırılablecek grafk şfrelern oluşturulması engelleneblecektr. Grafk şfrelern güvenlk analz lteratürde genellkle alfabe boyutunun büyüklüğü le değerlendrlmekte ve PassPonts gb sstemlerde kullanılan şfre mgelernn çerkler kullanıcı ve sstem güvenlğ açısından hesaba katılmamaktadır. Bundan dolayı bu çalışma PassPonts gb hatırlamaya dayalı şfre sstemlernn güvenlk analznde lteratürde br lk teşkl etmektedr. 24
3 2. GRAFİK TABANLI ŞİFRELER Bu çalışmada önerlen grafk şfreler çn entrop analz algortması PassPonts sstemnde denenmştr. PassPonts sstemnde kullanıcılar şfre seçmn kend seçtkler br mge üzernde hatırlayablecekler noktaları belrleyerek yapmaktadırlar. Şekl 1 de PassPont sstemne at şfre toplama ekranı görülmektedr. Şekldek kutular kullanıcının seçtğ şfre pozsyonlarını göstermektedr. Şekl 1: Grafk tabanlı şfre toplama yazılım ekranı. Grafk şfre seçm sürec lk olarak öğrenme fazı le başlamaktadır. Bu süreçte kullanıcılar mge üzernde N adet bölgey (Bu çalışma çn N=5) pksellk br tolerans le bell br sıra le seçerler. Şfrenn onaylanması çn sstem kullanıcıdan kend şfresn tekrar grmesn ster. Eğer kullanıcı arka arkaya aynı bölgeler bell br tolerans çersnde tıklayablyorsa sstem kullanıcı sm le seçlen şfrey lşklendrerek mevcut pozsyonların kuantalanmış halnn hash değern kayıt eder (Tsudk 1992). Daha sonra kullanıcı ssteme grmek stedğnde öncelkle kend smn veya kısa adını klavyeden grer. Sstem klavyeden grlmş kullanıcı adı le lşklendrlmş mgey ve kullanıcı şfresnn hash değern hafızaya yükler. Kullanıcı ssteme greblmek çn ekranda belren ve önceden kendsnn belrlemş olduğu mgenn üzernde şfresn oluşturan bölgeler sırası le tıklar. Eğer doğru noktaları doğru sıra le tıkladıysa (tıkladığı mge pozsyonlarının hash değerler kayıtlı değerler le uyuşuyorsa) ssteme greblr (Brget ve dğ. 2003). Eğer kullanıcı doğru noktaları tıklayamaz se sstem kullanıcıdan şfre pozsyonlarını tekrar tıklamasını ster. Böyle br sstemde grafk şfrey oluşturan alfabe boyutu kullanılan mgenn boyutu ve tıklama toleransı le belrlenmektedr. Tıklama toleransının arttırılması alfabe boyutunun azalmasına yol açmaktadır. 10x10 pkselk br kare alanın tıklama tolerans bölgesn oluşturduğu düşünülürse, 640x480 boyutlarında br mge 3072 adet farklı bölgeden oluşur ve böyle br mgenn sahp olduğu grafk şfre alfabe boyutu 3072 olmaktadır. Bu değer alfa-nümerk tabanlı br şfre çn 60 cvarındadır. Eğer söz konusu grafk tabanlı şfre en az 5 tıklama bölgesnden oluşuyor se seçleblen br brnden farklı şfrelern sayısı = 2, olacaktır. Böyle br güvenlk değern oluşturablmek çn 62 karakterden oluşan br sete sahp alfa-nümerk şfre en az 10 basamaktan oluşmak zorundadır. Görüldüğü gb grafk şfre kullanımı sayesnde karmaşık ve yüksek basamaklı alfa-nümerk şfrelern sahp olduğu güvenlk düzeyne PassPonts gb br sstemde ekran üzernde brkaç noktayı tıklayarak ulaşılablmektedr. Bununla brlkte kullanıcıların seçtğ mgeler üzernde bell bölge veya noktalar dğer bölgelere nazaran daha çok dkkat çekyor olablr (Fndlay 1980, Senders 1997). Bundan dolayı kullanıcılar aynı veya benzer mgelerde sürekl aynı noktaları şfre olarak seçme eğlmnde olablrler. Bu husus grafk şfrelern entropsnn sanıldığının aksne en azından bazı mgeler çn yeternce yüksek olamayableceğ anlamına gelr. Bu noktada grafk şfreler le alfa-nümerk şfreler brbr le karşılaştırmak çn br ncel değere htyaç vardır. Bu değer se grafk şfrelern entropsnn kestrlmes yardımı le bulunablr. 3. GRAFİK ŞİFRE ENTROPİSİNİN KESTİRİMİ İnsanlar br mgeye baktıklarında bazı bölgelere dğer alanlardan daha fazla dkkat etmektedrler. Örneğn grafk şfre seçmnde mge üzerndek dkkat çekc, kontrastı yüksek bölgeler dğer alanlara göre daha çok terch etmektedrler. İy br şfrenn kolay hatırlanablr aynı zamanda da zor tahmn edleblr 25
4 olması gerekmektedr. Bu da grafk şfre çn kullanılacak mge seçmnn önemn arttırmaktadır. İy ve kolay tahmn edlemeyen br şfre çn grafk şfrenn entropsnn yüksek olması gerekmektedr. Yüksek entrop şfrenn kırılmasının ve tahmn edlmesnn zorluğunun ncel br ölçüsüdür. Grafk şfrenn entrop kestrmnde lk olarak mge üzernde hang bölgelern daha çok dkkat çektğ tespt edlerek mgenn her br noktası çn önem olasılığını gösteren br harta oluşturmak gerekr. Bu harta entrop hesabında şfre pozsyonlarının seçlme olasılıklarının belrlenmesnde kullanılacaktır. İmge üzernde kullanıcıların hang noktaları tıklayacaklarını kestrmek çn se şfre mges öncelkle br segmentasyon şlemne tab tutulur. Bu ş çn lteratürde önerlen temel segmentasyon algortmaları ncelenmş ve mean-shft segmentasyon algortmasının kullanılmasına karar verlmştr (Comancu ve Meer 1999, Comancu ve Meer 2002). Mean-shft algortması mge üzerndek gereksz detaylar ve zayıf renk dalgalanmalarını slerek öneml renkler ve ayrıtları korumaktadır. Bundan dolayı mge üzerndek fazla enformasyonun slnmes sürecnde öneml br rol oynamaktadır. Segmentasyon şlem le mge segmentlere ayrıldıktan sonra her br bölgenn centrod noktası (ağırlık merkez) belrlenmekte ve bu noktalar mge üzernde dkkat çekc olası şfre pozsyonları olarak kayıt edlmektedr (Şekl 2 de gösterlen noktalar). Segmentlern centrod noktaları mge üzerndek dkkat çekc noktalar olarak belrlendkten sonra brbrne çok yakın noktalar tek br noktaya ndrgenmektedr. Alanı görece büyük segmentlern centrod noktaları se düşük tıklanma olasılıklarından dolayı dkkate alınmamaktadır. (a) (b) Şekl 2: Mean-shft segmantasyon algortması yardımıyla belrlenen tahmn grafk şfre pozsyonları İmge üzernde dkkat çekc bölgelern (Focus of Attenton) belrlenmes Olası şfre pozsyonları segmentasyon şlem sonucunda belrlendkten sonra hang noktanın daha dkkat çekc olduğunu belrleyen br olasılık hartasının çıkarılması gerekmektedr. Bu konuda yapılan lteratürdek çalışmalar, nsanın dkkatn belrleyen yüksek ve alçak sevye k temel faktör olduğunu belrtmektedr. Yüksek sevye faktörler hafıza şablonları le örtüşme ve hatırlamaya dayalıdır. Örneğn yüz kşlk br salon çersnde sadece br kşy tanıyorsanız ve dğer kşler sze yabancı se ster stemez tanıdığınız kşye odaklanırsınız. Düşük sevye faktörler se görüntü üzerndek kontrast, bçm, boyut, renk, hareket, arka plan gb mgenn kendsne at bazı karakterstk özellklere bağlıdır (Zhao ve dğ. 1996, Osberger ve Maeder 1998). Bu faktörler çnde nsan dkkatn en çok çeken özellklerden br tanes kontrasttır (Elas ve dğ. 1984, Yarbus 1967). Br dğer dkkat çekc faktör se şekl boyutlarıdır ancak aşırı büyük veya küçük boyutlardak obje ve şekller çn dkkat çekclk faktörü çok yüksek değldr. Bazı renkler, örneğn kırmızı renk dğer renklere göre nsan dkkatn daha çok çekmektedr. Bunun dışında mgenn çerğ de nsan dkkatn çeken br faktör olarak ele alınablr. Örneğn nsanların çnde bulunduğu br görüntü veya manzarada özellkle gözler, ağız ve eller dğer noktalara göre daha çok dkkat çekmektedr (Patrck 2004). Br mge üzernde hang noktaların daha çok dkkat çekc olduğunu belrleyeblmek çn yukarıda sayılan tüm faktörlern br arada değerlendrlmes gerekmektedr. Bu uygulamada se sadece bell başlı bazı dkkat çekc faktörler (kontrast, renk, ön plan) kullanılmıştır. Kullanılan algortma genşlemeye müsat olduğundan stenldğ takdrde dğer faktörler de ssteme dahl edleblr. 26
5 Karşıtlık Mean-shft segmentasyon şlem le mge bölümlere ayrıldıktan sonra her br segmentn dğer segmentlere oranla ne ölçüde nsan dkkatn çektğ karşıtlık, renk ve arka plan gb özntelklere bağlı olarak belrlenmekte ve tüm br mge çn kullanıcıların dkkatnn nereye odaklandığını gösteren FoA (Focus of Attenton) hartası oluşturulmaktadır. Karşıtlık nsan dkkatn çeken en öneml düşük sevye faktörlerden brs olduğundan bu uygulamada FoA hartasının oluşturulmasında brnc temel özntelk olarak kullanılmıştır. Herhang br segmente at karşıtlık özntelğ o segmentn parlaklık değer le dğer komşu segmentlern renklernn parlaklık değerlernn farkı olarak aşağıdak şeklde hesaplanmaktadır. karstlk( seg ) = N k = 1 parlaklk( seg ) parlaklk( seg ) N k (1) Burada parlaklık(seg ) değer, ee. segmentn gr sevyesn belrtmektedr. N değer ee numaralı segmentn komşu segmentlernn sayısını vermektedr. parlaklk(seg k ) fades le ee numaralı segmente komşu olan segmentlern gr sevye değerler belrtlmştr Renk Farkı FoA hartasını oluşturan knc özntelk se renk karşıtlığına göre hesaplanmaktadır. RGB hartası tüm renklern üç kanal yardımı le betmlenmes esasına dayanmaktadır. Ancak mgedek ana renklern tespt çn RGB formatı yeterl olmamaktadır. HSV (Hue, Saturaton, Value) uzayı se bu amaç çn daha uygun olduğundan her br segmentn RGB değerler HSV uzayına dönüştürülür. RGB blgs HSV formatına dönüştürüldükten sonra sadece hue değerne bakarak lgl segmentn renk değer hakkında blg ednleblr. renkfark( seg ) = N k = 1 hue( seg ) hue( seg ) N k (2) Dolayısı le renk kontrastı hesaplanırken lgl segmentn hue değer le komşu segmentlern hue renk değerler formül (2) de belrtlen şeklde karşılaştırılmaktadır Ön/arka alan Bu özntelk mge üzerndek objeler arka plandan ve fon görüntüsünden ayırmak amacı le kullanılmaktadır. Bunun çn segmentasyon şlem le brbrnden ayrılmış bölgelern kenar uzunluklarının tüm mgenn kenar uzunluğuna oranı hesaplanarak segmentler çn uzunluğa bağlı ön ve arka plan analz yapılmıştır. Önalan özntelğ formül (3) tek gb hesaplanmaktadır. önalan( seg 1,3 çevre( seg ) ) = 1 mn, 1 toplamçevre (3) Burada çevre (seg ) fades le ee numaralı segmentn kenar uzunluğu belrtlmekte, toplamçevre değer se mgenn toplam kenar uzunluğunu vermektedr. Formülde belrtlen 1,3 ee fades emprk olarak belrlenmştr. Br segmentn kenar uzunluğu büyüdükçe o segmente at önalan özntelk değer formül 3 ten görüleceğ gb azalmaktadır. 27
6 Şekl 3: Tahmn şfre pozsyonları ve FoA hartaları. (Imgeler adresnden alınmıştır.) Özntelklern Brleştrlmes Yukarıda açıklanmış olan 3 temel özntelk mge üzerndek her br segment çn ayrı ayrı hesaplandıktan sonra 0 le 1 arasına normalze edlr ve (4) numaralı formül le brleştrlerek her br segment at dkkat çekme (FOA) değer hesaplanır. FOA ( seg ) = 3 k = 1 W özntelk k k ( seg ) (4) Formülde (4) te belrtlen W k değer her br özntelğe verlmş olan ağırlık değerdr. Örneğn karşıtlık blgs dğer özntelklerden daha öneml olduğundan karşıtlığa at olan ağırlık katsayısı dğer ntelklere göre daha büyük seçlmştr. Formül 4 te her ne kadar 3 tane özntelk görülmekteyse de FOA hartasını oluşturmak çn kullanılacak özntelk sayısında br sınırlama bulunmamaktadır. Şekl 3 te formül (4) le hesaplanmış farklı mgelere at FOA hartaları ve öneml segmentlern cetrod noktaları görülmektedr. FoA hartasında aydınlık alanlar dkkat çekc bölgelern tahmn yerlern, karanlık alanlar se daha az dkkat çeken yerler belrtmektedr. Segmentlern centrod pozsyonları ve her segmente at FOA blgs hesaplandıktan sonra mgeye at grafk şfrenn entrops hesaplanablr. Ancak bu şlemden önce mge üzerndek tahmn şfre pozsyonlarının kuantalanıp kodlanması gerekmektedr. PassPont grafk tabanlı şfreleme sstemnde kullanıcı şfre olarak kend yükledğ mge üzerndek her hang br noktayı şfre olarak atayablr. Ancak kullanıcılar fare veya kalem (stylus) le tekrar tekrar aynı noktayı tıklamak stedklernde her zaman lk belrledkler noktayı değl o noktaya yakın bölgeler tıklayablmektedrler. Bu da br hata değer oluşturmaktadır. 28
7 B noktası G3 ızgarasına kuantalanıyor A noktası G1 ızgarasına kuantalanıyor Şekl 4: Grafk şfre pozsyonlarının kuantalama ve kodlanması. Herhang br 4 basamaklı br kullanıcı şfresnn (103,235)-(145,167)-(10,459)-(54,132) şeklnde mge üzerndek 4 adet nokta olduğunu varsayalım. Bu noktalar ssteme kayıt edlrken hata toleransı dkkate alınarak br satranç tahtasındak kare kodlarını andıran br kodlama teknğ le kuantalanırlar (Brget 2003). Kodlama şlem bttkten sonra her br kod güvenl ve tek yönlü hash fonksyonundan geçrlerek ssteme açık olarak kayıt edlr. Şfre pozsyonları kuantalandıktan sonra hash değerler le saklandığından sstemdek kayıtlara bakan kötü nyetl brs kullanıcının şfresn elde edemeyecektr. Kullanıcı şfreler mge üzerndek ızgara şeklndek sanal karelere bağlı olarak kuantalandığından mgeye at tahmn alfabe boyutunun hesaplanmasında da kuantalama şlemnden yararlanılmalıdır. Bu yüzden segmentasyon şlem le tespt edlen tahmn şfre pozsyonları sahp oldukları FOA değerler le brlkte Brget (2003) n önerdğ şeklde kuantalanırlar. Şekl 4 te kuantalama şlemnn nasıl yapıldığı görülmektedr. Şekl 4 te G1, G2 ve G3 le gösterlmş 3 farklı ızgara üzernde + şaretl noktalar ve etrafındak çemberler kullanıcının şfre olarak seçtğ yer ve hata tolerans bölgesn göstermektedr. Resmdek numaralar se ızgara çndek karelern kuantalama merkezlern göstermektedr. A ve B noktalarını tıklayan kullanıcının şfres A ve B noktalarının pksel değerler yerne G1, G2 ve G3 şeklnde adlandırılan 3 farklı ızgaranın belrledğ karelern kodları le kayıt edlr. Örneğn A noktası ve etrafındak tolerans çember G3 ve G2 ızgaralarını kestğ çn A noktası mav renkl 1 numaralı ızgaraya at karenn merkezne kuantalanır. B noktası se 1 ve 2 nolu ızgaraları kestğ çn 3 nolu kırmızı renkl ızgaranın merkezne kuantalanır (Brget 2003). Tahmn şfre pozsyonları yukarıda açıklandığı gb kuantalandıktan sonra bell kuanta merkezlerne brden fazla tahmn pozsyon taşınması durumunda kuanta merkeznn FOA değer oraya taşınan her br tahmn şfre pozsyonunun FOA değerlernn toplamı şeklnde hesaplanmaktadır. Pozsyonların kuantalanması le brlkte mgenn tahmn alfabe boyutu ve her br alfabey oluşturan pozsyonun tıklanma olasılığı belrlenerek mgeye at grafk şfrenn entrop değer belrleneblr. 4. DENEYSEL SONUÇLAR Bu çalışmada önerlen grafk şfrelern entrop kestrm algortması özel seçlmş k farklı mge üzernde denenerek bu mgelern güvenlk analz gerçekleştrlmştr. Bu mgelerden lk bast ve şfre uygulamaları çn kötü kabul edleblecek kuşlar mgesnden (şekl 5) dğer se lk mgeye göre daha güvenl görünen ve daha kompleks olan sokak (şekl 6) mgesnden oluşmaktadır. 29
8 (a) Tahmn şfre pozsyonları (kırmızı noktalar) (b) Dkkat çekc bölgeler (FOA hartası) Şekl 5: Kuşlar mgesne at tahmn şfre bölgeler ve o bölgelern dkkat çekclk değerler Kuşlar mgesnn güvenlk analz çn yukarıda anlatıldığı üzere lk olarak mge mean-shft segmentasyon algortması le segmentlere ayrılmış daha sonra her br segmentn centrod noktalarına bağlı olarak tahmn şfre pozsyonları belrlenmştr (Şekl 5a da görülen kırmızı noktalar). Daha sonra her br segmentn FOA değer hesaplanarak mge üzerndek en çok dkkat çeken yerler belrlenmştr. Kuşlar mgesne at FOA hartası Şekl 5b de görülmektedr. Şekl 5b de kuşlar mgesnde dkkat daha fazla çeken yerler beyaz, az çeken yerler se gr ve syah renkler le gösterlmştr. Ayrıca aynı şekl üzernde segmentlern sınırları da gösterlmştr. Şekl 5 ten görüldüğü gb mge üzerndek kuşlar kontrastı ve ön planda oluşu neden le en çok dkkat çeken bölgeler olarak belrlenmştr. Son aşamada FoA hartası belrlenp tahmn şfre pozsyonları kuantalanarak kuşlar mgesnn entrops 5.20 bt olarak hesaplanmıştır (Çzelge 1). (a) Tahmn şfre pozsyonları (kırmızı noktalar) b) Dkkat çekc bölgeler (FOA hartası) Şekl 6: Sokak mges çn tahmn şfre pozsyonları Bu çalışmada önerlen entrop kestrm algortması kuşlar mgesne göre daha karmaşık olan sokak sml mge üzernde de denenmştr. Sokak mges çn hesaplanmış tahmn şfre pozsyonları Şekl 6 da verlmştr. Tahmn pozsyonlar ve FOA hartası hesaplanıp, şfre pozsyonları kuantalandıktan sonra sokak mgesnn entrops 7.25 bt olarak bulunmuştur (Çzelge 1). Şekl 7 dek kırmızı noktalar algortmanın belrledğ tahmn şfre pozsyonlarıdır. Sokak mges arka planındak ağaç ve duvar detayları çn algortma herhang br pozsyon tahmnde bulunulmazken ön plandak nsan fgürler en çok ht alan yerler olarak görünmektedr. Ayrıca sokak mges le kuşlar mgesnn boyutları aynı olmasına rağmen, sokak mgesne at alfabe boyutu 194 kuşlar mgesne at alfabe boyutu 43 olarak hesaplanmıştır. Alfabe boyutu 30
9 çn 43 değer yetersz kalırken alfabe boyutunun 194 olması güvenl br şfrenn oluşturulması çn yeterl br değerdr. Sokak mgesnde 5 basamaklı br grafk şfre çn = 274,8 mlyar farklı şfre seçmek mümkün ken bu değer kuşlar mgesnde 43 5 = 147 mlyon dur. Çzelge 1 den de görüleceğ gb sokak mges grafk şfreleme sstemlernde kullanılmak çn kuşlar mgesne oranla da uygundur. Çzelge 1: İmgelere at tahmn grafk şfre entropler İmge üzerndek tıklanablecek brbrnden farklı kuantalanmış pozsyonların sayısı Kuşlar mges Sokak mges Grafk şfreye at tahmn alfabe boyutu Grafk şfrenn entrops (bt) TARTIŞMA VE SONUÇ Güncel br teknoloj olan grafk tabanlı şfreler alfanümerk şfrelere göre br çok avantajlara sahptr. Grafk şfreler nsanların görüntüler sayı ve rakamlara göre daha y hatırladıkları hpotezne dayanmaktadır. Ayrıca grafk şfrelern karakter tabanlı şfrelere oranla daha güvenl olduğu söyleneblr. Grafk şfreler kullanıcıların br resm üzerndek noktaları bell br sıra le tıklamaları le oluşturulduğundan yüksek çözünürlüklü mgeler daha güvenlr şfrelern oluşturulmasına mkan sağlamaktadır. Ancak grafk şfrenn güvenlr ve zor kırılablr olduğunu söylemek çn kullanılan mgenn çerğnn blnmes gerekr. Bu noktada hang tp mgelern grafk şfreler çn uygun olacağı sorusu sstem güvenlğ açısından büyük önem taşımaktadır. Bu çalışmada grafk tabanlı şfreleme sstemlernde kullanılan mgelern güvenlk analz çn yen br metot önerlmş ve önerlen metot çeştl mgelern güvenlk analznde başarı le denenmştr. Elde edlen nümerk sonuçlar bu çalışmada önerlen metodun grafk şfrelern güvenlk analznde kullanılableceğn göstermektedr. Grafk şfrelern güvenlk analz mgenn çerğ dkkate alınarak gerçekleştrlmektedr. Kullanıcıların mge üzernde şfre olarak seçeblecekler yerler FoA (Focus of Attenton) bölgelernn tespt yardımı le belrlenmş bu sayede mgelern sahp oldukları tahmn grafk şfreye at alfabe boyutu kestrleblmştr. Bu çalışmada önerlen grafk şfrelern entrop kestrm algortması le grafk şfrelern karakter tabanlı şfreler le güvenlk açısından karşılaştırılması da mümkün olablmştr. Bu çalışma mge tabanlı (PassPonts, vs.) grafk şfrelern entrop kestrm ve analznde br lk teşkl etmektedr. Bununla brlkte kullanıcıların şfre seçm yaklaşımlarının doğru olarak modelleneblmes çn farklı çerğe sahp çok sayıda mge çn yüzlerce kullanıcıdan grafk şfre blglernn toplanması ve bu blglere göre önerlen metodolojnn güncellenmes gerekmektedr. Böylece daha doğru br entrop kestrm model oluşturulablr. Gelecek çalışmalarda kullanıcılardan elde edlen blgler le önerlen metodolojnn karşılaştırılması ve gerekyorsa gerekl güncellemelern yapılması düşünülmektedr. Ayrıca makalede önerlen metodoloj le grafk şfreler çn mümkün olmayan sözlük tabanlı şfre saldırıları mümkün olmaktadır. Şfre model le kestrlen tahmn alfabe üzernden FOA hartası da kullanılarak akıllı br şfre saldırı algortması gelştrleblr. Böyle br saldırının boyutları ve karşı önlemlern gelştrlmes gelecek çalışmaların da çerğn oluşturacaktır. 6. TEŞEKKÜR Bu çalışmaya verdğ desteklernden dolayı Nasr Memon ve Alex Brodtsky e teşekkür ederm. 7. KAYNAKLAR 1. Brget, J. C., Hong, D. and Memon, N. (2003) Robust dscretzaton wth applcaton to graphcal passwords, Cryptology eprnt Archve. 2. Blonder, G. (1996) Graphcal passwords, Unted States Patent, ( ). 3. Borodtsky, M. (2002) Passlogx password schemes, 4. Comancu, D. and Meer, P. (1999) Mean shft analyss and applcatons, 7th Internatonal Conference on Computer Vson, pages
10 5. Comancu, D. and Meer, P. (2002). Mean shft: A robust approach toward feature space analyss, IEEE Transactons on pattern analyss and machne ntellgence, 24(5): Elas, G., Sherwn, G. and Wse, J. (1984) Eye movements whle vewng ntsc format televson, SMPTE Psychophyscs, Subcommttee whte paper, Mar. 7. Fndlay, J. (1980) The vsual stmulus for saccadc eye movement n human observers, Percepton, (9):7-21, Sept. 8. Jan, A., Hong, L. and Pankant (2000) S. Bometrc dentfcaton. CACM 43, pages Jermyn, I., Mayer A., Monrose, F., Reter, MK., Rubn, AD. (1999) The desgn and analyss of graphcal passwords, 8th Securty Symposum, Washngton DC. 10. Osberger, W. and Maeder, A. J. (1998) Automatc dentfcaton of perceptually mportant regons n an mage, Proceedngs of Fourteenth Internatonal Conference on Pattern Recognton. 11. Patrck, A. S., Long, A. C. and Flnn, S. (2004) Hc and securty systems, Proceedngs of the SIGCHI Conference on Human Factors n Computng Systems, pages ACM. 12. Senders, J. (1997) Dstrbuton of attenton n statc and dynamc scenes, Proceedngs SPIE 3016, pages SPIE, Feb. 13. Tsudk, G. (1992) Message Authentcaton wth One-Way Hash Functons, Proceedngs of IEEE INFOCOM 1992, May. 14. Uludag, U., Pankant, S., Prabhakar, S. and A. K. Jan (2004) Bometrc Cryptosystems: Issues and Challenges, Proceedngs of the IEEE, Specal Issue on Enablng Securty Technology for Dgtal Rghts Management, Vol. 92, No. 6, pp Wedenbeck, S., Waters, J., Brget, J.C., Brodsky, A., Memon, N. (2005) PassPonts: Desgn and longtudnal evaluaton of a graphcal password system, Internatonal J. of Human-Computer Studes (Specal Issue on HCI Research n Prvacy and Securty), 63, Yarbus, A. (1967) Eye Movements and Vson, Plenum Press, New York, NY. 17. Zhao, J., Shmazu,Y., Ohta, K., Hayasaka, R. and Matsushta, Y. (1996) An outstandngness orented mage segmentaton and ts applcaton. ISSPA, pages
Türk Dilinin Biçimbilim Yapısından Yararlanarak Türkçe Metinlerin Farklı İmgelere Ayrılarak Kodlanması ve Sıkıştırılması
Türk Dlnn Bçmblm Yapısından Yararlanarak Türkçe Metnlern Farklı İmgelere Ayrılarak Kodlanması ve Sıkıştırılması Banu DİRİ, M.Yahya KARSLIGİL Yıldız Teknk Ünverstes Elektrk Elektronk Fakültes - Blgsayar
DetaylıX, 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
DetaylıSistemde kullanılan baralar, klasik anlamda üç ana grupta toplanabilir :
5 9. BÖLÜM YÜK AKIŞI (GÜÇ AKIŞI) 9.. Grş İletm sstemlernn analzlernde, bara sayısı arttıkça artan karmaşıklıkları yenmek çn sstemn matematksel modellenmesnde kolaylık getrc bazı yöntemler gelştrlmştr.
DetaylıPROJE SEÇİMİ VE KAYNAK PLANLAMASI İÇİN BİR ALGORİTMA AN ALGORITHM FOR PROJECT SELECTION AND RESOURCE PLANNING
Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Clt 3, Sayı:2, 2001 PROJE SEÇİMİ VE KAYAK PLALAMASI İÇİ BİR ALGORİTMA lgün MORALI 1 C. Cengz ÇELİKOĞLU 2 ÖZ Kaynak tahss problemler koşullara bağlı olarak
DetaylıYÖNETİM 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.,
DetaylıÇOKLU 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
DetaylıTRAFİK 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
DetaylıELM201 ELEKTRONİK-I DERSİ LABORATUAR FÖYÜ
T SAKAYA ÜNİESİTESİ TEKNOLOJİ FAKÜLTESİ ELEKTİK-ELEKTONİK MÜHENDİSLİĞİ ELM201 ELEKTONİK- DESİ LAOATUA FÖYÜ DENEYİ YAPTAN: DENEYİN AD: DENEY NO: DENEYİ YAPANN AD ve SOYAD: SNF: OKUL NO: DENEY GUP NO: DENEY
Detaylıdir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır.
BÖLÜM 3 OLASILIK HESABI 3.. Br Olayın Olasılığı Tanım 3... Br olayın brbrnden ayrık ve ortaya çıkma şansı eşt n mümkün sonucundan m tanes br A olayına uygun se, A olayının P(A) le gösterlen olasılığı P(A)
Detaylıbir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre
Devre Analz Teknkler DEE AAĐZ TEKĐKEĐ Bu zamana kadar kullandığımız Krchoffun kanunları ve Ohm kanunu devre problemlern çözmek çn gerekl ve yeterl olan eştlkler sağladılar. Fakat bu kanunları kullanarak
DetaylıMetin 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,
DetaylıPamukkale 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
DetaylıSürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK
Sürekl Olasılık Dağılım Brkml- KümülatFonksyonu Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr Sürekl olasılık onksyonları X değşken - ;+ aralığında tanımlanmış br sürekl rassal değşken olsun. Aşağıdak
DetaylıMerkezi 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
DetaylıUYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.
UYUM ĐYĐLĐĞĐ TESTĐ Posson: H o: Ver Posson dağılıma sahp br ktleden gelmektedr. H a : Ver Posson dağılıma sahp br ktleden gelmemektedr. Böyle br hpotez test edeblmek çn, önce Posson dağılım parametres
DetaylıŞiddet-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)
DetaylıYAYILI YÜK İLE YÜKLENMİŞ YAPI KİRİŞLERİNDE GÖÇME YÜKÜ HESABI. Perihan (Karakulak) EFE
BAÜ Fen Bl. Enst. Dergs (6).8. YAYII YÜK İE YÜKENİŞ YAPI KİRİŞERİNDE GÖÇE YÜKÜ HESABI Perhan (Karakulak) EFE Balıkesr Ünverstes ühendslk marlık Fakültes İnşaat üh. Bölümü Balıkesr, TÜRKİYE ÖZET Yapılar
DetaylıFumonic 3 radio net kablosuz duman dedektörü. Kiracılar ve mülk sahipleri için bilgi
Fumonc 3 rado net kablosuz duman dedektörü Kracılar ve mülk sahpler çn blg Tebrk ederz! Darenze akıllı fumonc 3 rado net duman dedektörler monte edlmştr. Bu şeklde ev sahbnz yasal donanım yükümlülüğünü
DetaylıAsimetri ve Basıklık Ölçüleri Ortalamalara dayanan (Pearson) Kartillere dayanan (Bowley) Momentlere dayanan asimetri ve basıklık ölçüleri
Asmetr ve Basıklık Ölçüler Ortalamalara dayanan (Pearson) Kartllere dayanan (Bowley) omentlere dayanan asmetr ve basıklık ölçüler Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr III. Asmetr ve Basıklık
Detaylıa 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
DetaylıFLYBACK 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,
DetaylıDeney No: 2. Sıvı Seviye Kontrol Deneyi. SAKARYA ÜNİVERSİTESİ Dijital Kontrol Laboratuvar Deney Föyü Deneyin Amacı
SRY ÜNİVERSİESİ Djtal ontrol Laboratuvar Deney Föyü Deney No: 2 Sıvı Sevye ontrol Deney 2.. Deneyn macı Bu deneyn amacı, doğrusal olmayan sıvı sevye sstemnn belrlenen br çalışma noktası cvarında doğrusallaştırılmış
DetaylıDoğrusal Korelasyon ve Regresyon
Doğrusal Korelasyon ve Regresyon En az k değşken arasındak lşknn ncelenmesne korelasyon denr. Kşlern boyları le ağırlıkları, gelr le gder, öğrenclern çalıştıkları süre le aldıkları not, tarlaya atılan
Detaylı5.3. Tekne Yüzeylerinin Matematiksel Temsili
5.3. Tekne Yüzeylernn atematksel Temsl atematksel yüzey temslnde lk öneml çalışmalar Coons (53) tarafından gerçekleştrlmştr. Ferguson yüzeylernn gelştrlmş hal olan Coons yüzeylernde tüm sınır eğrler çn
DetaylıDENEY 4: SERİ VE PARALEL DEVRELER,VOLTAJ VE AKIM BÖLÜCÜ KURALLARI, KIRCHOFF KANUNLARI
A. DNYİN AMACI : Bast ser ve bast paralel drenç devrelern analz edp kavramak. Voltaj ve akım bölücü kurallarını kavramak. Krchoff kanunlarını deneysel olarak uygulamak. B. KULLANILACAK AAÇ V MALZML : 1.
DetaylıToplam Eşdeğer Deprem Yükünün Hesabı Bakımından 1975 Deprem Yönetmeliği İle 2006 Deprem Yönetmeliğinin Karşılaştırılması
Fırat Ünv. Fen ve Müh. Bl. ergs Scence and Eng. J of Fırat Unv. 19 (2, 133-138, 2007 19 (2, 133-138, 2007 Toplam Eşdeğer eprem Yükünün Hesabı Bakımından 1975 eprem Yönetmelğ İle 2006 eprem Yönetmelğnn
DetaylıENDÜSTRİNİN 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
DetaylıSera İklimlendirme Kontrolü İçin Etkin Bir Gömülü Sistem Tasarımı
Sera İklmlendrme Kontrolü İçn Etkn Br Gömülü Sstem Tasarımı Nurullah Öztürk, Selçuk Ökdem, Serkan Öztürk Ercyes Ünverstes, Blgsayar Mühendslğ Bölümü, Kayser ozturk.nurullah@yahoo.com.tr,okdem@ercyes.edu.tr,
DetaylıAĞIR 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
DetaylıBasel 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
DetaylıBilgisayarla 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
DetaylıOtomatik Kontrol Ulusal Toplantısı, TOK2013, 26-28 Eylül 2013, Malatya DOĞRUSAL KONTROL SİSTEMLERİ
DOĞRUSAL KONTROL SİSTEMLERİ 96 Anahtarlamalı Sstemler Kararlı Yapan PI Kontrolör Setnn Hesabı İbrahm Işık, Serdar Ethem Hamamcı Elektrk-Elektronk Mühendslğ Bölümü İnönü Ünverstes, Malatya {İbrahm.sk, serdar.hamamc}@nonu.edu.tr
DetaylıBulanık 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
DetaylıOkullarda 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
DetaylıENERJİ. Isı Enerjisi. Genel Enerji Denklemi. Yrd. Doç. Dr. Atilla EVCİN Afyon Kocatepe Üniversitesi 2007
Yrd. Doç. Dr. Atlla EVİN Afyon Kocatepe Ünverstes 007 ENERJİ Maddenn fzksel ve kmyasal hal değşm m le brlkte dama enerj değşm m de söz s z konusudur. Enerj değşmler mler lke olarak Termodnamğn Brnc Yasasına
DetaylıROBİNSON 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
Detaylı1. KEYNESÇİ PARA TALEBİ TEORİSİ
DERS NOTU 07 KEYNESÇİ PARA TALEBİ TEORİSİ, LM EĞRİSİ VE PARA TALEBİ FAİZ ESNEKLİĞİ Bugünk dersn çerğ: 1. KEYNESÇİ PARA TALEBİ TEORİSİ... 1 1.1 İŞLEMLER (MUAMELELER) TALEBİ... 2 1.2 ÖNLEM (İHTİYAT) TALEBİ...
DetaylıHAFTA 13. kadın profesörlerin ortalama maaşı E( Y D 1) erkek profesörlerin ortalama maaşı. Kestirim denklemi D : t :
HAFTA 13 GÖLGE EĞİŞKENLERLE REGRESYON (UMMY VARIABLES) Gölge veya kukla (dummy) değşkenler denen ntel değşkenler, cnsyet, dn, ten reng gb hemen sayısallaştırılamayan ama açıklanan değşkenn davranışını
DetaylıSıklık Tabloları ve Tek Değişkenli Grafikler
Sıklık Tabloları ve Tek Değşkenl Grafkler Sıklık Tablosu Ver dzsnde yer alan değerlern tekrarlama sayılarını çeren tabloya sıklık tablosu denr. Sıklık Tabloları tek değşken çn marjnal tablo olarak adlandırılır.
DetaylıKİ-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
DetaylıKamuflaj 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
DetaylıANOVA. CRD (Completely Randomized Design)
ANOVA CRD (Completely Randomzed Desgn) Örne Problem: Kalte le blgnn, ortalama olara, br urumun üç farlı şehrde çalışanları tarafından eşt olara algılanıp algılanmadığını test etme amacıyla, bu üç şehrde
DetaylıMESLEK 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( ) 3.1 Özet ve Motivasyon. v = G v v Operasyonel Amplifikatör (Op-Amp) Deneyin Amacı. deney 3
Yıldız Teknk Ünverstes Elektrk Mühendslğ Bölümü Deneyn Amacı İşlemsel kuvvetlendrcnn çalışma prensbnn anlaşılması le çeştl OP AMP devrelernn uygulanması ve ncelenmes. Özet ve Motvasyon.. Operasyonel Amplfkatör
DetaylıVEKTÖRLER VE VEKTÖREL IŞLEMLER
VEKTÖRLER VE VEKTÖREL IŞLEMLER 1 2.1 Tanımlar Skaler büyüklük: Sadece şddet bulunan büyüklükler (örn: uzunluk, zaman, kütle, hacm, enerj, yoğunluk) Br harf le sembolze edleblr. (örn: kütle: m) Şddet :
DetaylıÖğretim planındaki AKTS TASARIM STÜDYOSU IV 214058100001312 2 4 0 4 9
Ders Kodu Teork Uygulama Lab. Ulusal Kred Öğretm planındak AKTS TASARIM STÜDYOSU IV 214058100001312 2 4 0 4 9 Ön Koşullar : Grafk İletşm I ve II, Tasarım Stüdyosu I, II, III derslern almış ve başarmış
DetaylıPÜRÜZLÜ 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
DetaylıEMG 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
DetaylıROTASYON ORMAN ALGORİTMASI İLE YÜKSEK ÇÖZÜNÜRLÜKLÜ MULTİSPEKTRAL UYDU GÖRÜNTÜLERİNİN SINIFLANDIRILMASI
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,
DetaylıK-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
DetaylıSoğutucu 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
DetaylıCommunication Theory
Communcaton Theory ENFORMASYON TEORİSİ KODLAMA Doç. Dr. Hakan Doğan ENFORMASYON DEYİMİ NEDEN KULLANILMIŞ? Kaynaklarn, kanalların,alıcıların blg karakterstklern ncelemek. Blgnn letmn optmze etmek çn İletmn
DetaylıTek Yönlü Varyans Analizi
Tek Yönlü Varyan Analz Nedr ve hang durumlarda kullanılır? den fazla grupların karşılaştırılmaı öz konuu e, çok ayıda t-tet nn kullanılmaı, Tp I hatanın artmaına yol açar; Örneğn, eğer 5 grubu kşerl olarak
DetaylıORTA GERİLİM ENERJİ DAĞITIM TALİ HATLARINDA ARIZA ANALİZİ
ORTA GERİLİM ENERJİ DAĞTM TALİ HATLARNDA ARZA ANALİZİ Yılmaz ASLAN Şebnem TÜRE 2,2 Dumlupınar Ünverstes Mühendslk Fak., Elektrk-Elektronk Müh. Bölümü, 4300, Kütahya e-posta: yaslan@dumlupnar.edu.tr 2 e-posta:
DetaylıİÇME 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
DetaylıENDÜSTRİYEL 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
DetaylıBAŞKENT ÜNİVERSİTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAK MAKİNE MÜHENDİSLİĞİ LABORATUVARI DENEY - 8
BAŞKENT ÜNİVERSİTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAK - 402 MAKİNE MÜHENDİSLİĞİ LABORATUVARI DENEY - 8 FARKLI YÜZEY ÖZELLİKLERİNE SAHİP PLAKALARIN ISIL IŞINIM YAYMA ORANLARININ HESAPLANMASI BAŞKENT ÜNİVERSİTESİ
DetaylıPRODUCTION PLANNING BASED ON GOAL PROGRAMMING FOR MASS CUSTOMIZATION IN A COMPANY
BİR İŞLETMEDE KİTLESEL ÖZEL ÜRETİME YÖNELİK HEDEF PROGRAMLAMA TABANLI ÜRETİM PLANLAMA PRODUCTION PLANNING BASED ON GOAL PROGRAMMING FOR MASS CUSTOMIZATION IN A COMPANY ESRA AKBAL Başkent Ünverstes Lsansüstü
DetaylıPARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ
PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ 1 Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı, F Dağılışı, gb br dağılışa uygun olduğu durumlarda
DetaylıANADOLU ÜNivERSiTESi BiliM VE TEKNOLOJi DERGiSi ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY CiltNol.:2 - Sayı/No: 2 : 413-417 (2001)
ANADOLU ÜNvERSTES BlM VE TEKNOLOJ DERGS ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY CltNol.:2 - Sayı/No: 2 : 413-417 (1) TEKNK NOTrrECHNICAL NOTE ELEKTRK ARK FıRıNıNDA TERMODNAMGN KNC YASASıNıN
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon 1 Korelasyon Analz İk değşken arasında lşk olup olmadığını belrlemek çn yapılan analze korelasyon analz denr. Korelasyon; doğrusal yada doğrusal olmayan dye kye ayrılır. Korelasyon
DetaylıTEKLİF MEKTUBU SAĞLIK BAKANLIĞI_. '.. m
SAĞLIK BAKANLIĞI TC Kayıt No: 133709 TURKIYE KAMU HASTANELERI KURUMU ı TRABZON ILI KAMU HASTANELERI BIRLIGI GENEL SEKRETERLIGI Kanun Eğtm Araştırma Hastanes TEKLİF MEKTUBU Sayı : 23618724 12.10.2015 Konu
DetaylıBiyomedikal Amaçlı Basınç Ölçüm Cihazı Tasarımı
Byomedkal Amaçlı Basınç Ölçüm Chazı Tasarımı Barış Çoruh 1 Onur Koçak 2 Arf Koçoğlu 3 İ. Cengz Koçum 4 1 Ayra Medkal Yatırımlar Ltd. Şt, Ankara 2,4 Byomedkal Mühendslğ Bölümü, Başkent Ünverstes, Ankara,
DetaylıBÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler
BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER 5.. İk Boyutlu Rasgele Değşkenler Br deney yapıldığında, aynı deneyle lgl brçok rasgele değşkenn aynı andak durumunu düşünmek gerekeblr. Böyle durumlarda
DetaylıPARMAKİZİ RESİMLERİNİN YAPAY SİNİR AĞLARI İLE TEMİZLENMESİ VE İYİLEŞTİRİLMESİ
PARMAKİZİ RESİMLERİNİN YAPAY SİNİR AĞLARI İLE TEMİZLENMESİ VE İYİLEŞTİRİLMESİ Necla ÖZKAYA Şeref SAĞIROĞLU Blgsayar Mühendslğ Bölümü, Mühendslk Fakültes, Ercyes Ünverstes, 38039, Talas, Kayser Gaz Ünverstes,
DetaylıPARÇALI DOĞRUSAL REGRESYON
HAFTA 4 PARÇALI DOĞRUSAL REGRESYO Gölge değşkenn br başka kullanımını açıklamak çn varsayımsal br şrketn satış temslclerne nasıl ödeme yaptığı ele alınsın. Satış prmleryle satış hacm Arasındak varsayımsal
DetaylıKİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ
Kİ-KAR TSTLRİ A) Kİ-KAR DAĞILIMI V ÖZLLİKLRİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk gösterp
DetaylıMIT Açık Ders Malzemeleri Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında bilgi almak için
MIT Açık Ders Malzemeler http://ocm.mt.edu Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında blg almak çn http://ocm.mt.edu/terms veya http://tuba.açık ders.org.tr adresn zyaret ednz. 18.102
DetaylıTÜRKİYE CUMHURİYETİ ÇUKUROVA ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI OYUN KURAMININ EKONOMİDE UYGULANMASI
TÜRKİYE CUMHURİYETİ ÇUKUROVA ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI OYUN KURAMININ EKONOMİDE UYGULANMASI Hall İbrahm KESKİN YÜKSEK LİSANS TEZİ ADANA 009 TÜRKİYE CUMHURİYETİ ÇUKUROVA
DetaylıCalculating the Index of Refraction of Air
Ankara Unversty Faculty o Engneerng Optcs Lab IV Sprng 2009 Calculatng the Index o Reracton o Ar Lab Group: 1 Teoman Soygül Snan Tarakçı Seval Cbcel Muhammed Karakaya March 3, 2009 Havanın Kırılma Đndsnn
DetaylıOLASILIĞA GİRİŞ. Biyoistatistik (Ders 7: Olasılık) OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI
OLASILIĞA GİRİŞ Yrd. Doç. Dr. Ünal ERKORKMAZ Sakarya Ünverstes Tıp Fakültes Byostatstk Anablm Dalı uerkorkmaz@sakarya.edu.tr OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI Br olayındoğal koşullar altında toplumda
DetaylıKİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür.
Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk
DetaylıBÖLÜM II D. YENİ YIĞMA BİNALARIN TASARIM, DEĞERLENDİRME VE GÜÇLENDİRME ÖRNEKLERİ ÖRNEK 20 İKİ KATLI YIĞMA KONUT BİNASININ TASARIMI
BÖLÜM II D ÖRNEK 0 BÖLÜM II D. YENİ YIĞMA BİNALARIN TASARIM, DEĞERLENDİRME VE GÜÇLENDİRME ÖRNEKLERİ ÖRNEK 0 İKİ KATLI YIĞMA KONUT BİNASININ TASARIMI 0.1. BİNANIN GENEL ÖZELLİKLERİ...II.0/ 0.. TAŞIYICI
DetaylıKonveks 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'~'l' SAYı : 34203882-821 i ı 1-1 C _:J 1...110/2013 KONU : Kompozisyon Yarışması. T.C SINCAN KAYMAKAMllGI Ilçe Milli Eğitim Müdürlüğü
BÖLÜM: Temel Eğtm T.C SINCAN KAYMAKAMllGI Ilçe Mll Eğtm Müdürlüğü SAYı : 34203882-821 ı 1-1 C _:J 1...110/2013 KONU : Kompozsyon Yarışması TÜM OKUL MÜDÜRLÜKLERNE SNCAN Ilg :Vallk Makamının 25.10.2013 tarh
DetaylıYard. Doç. Dr. Oben Dağ 1. İstanbul Arel Üniversitesi obendag@arel.edu.tr. Özet. 1. Giriş. 2. Problemin Tanımı
Elektrk Güç Sstemlernde Mkro Şebeke Uygulamaları ve Harmonk Kaynak Yer Tespt Mcrogrd Applcatons n Electrcal Power Systems and Harmonc Source Locaton Yard. Doç. Dr. Oben Dağ 1 1 Elektrk-Elektronk Mühendslğ
DetaylıYAPILARIN ENERJİ ESASLI TASARIMI İÇİN BİR HESAP YÖNTEMİ
YAPILARI EERJİ ESASLI TASARIMI İÇİ BİR HESAP YÖTEMİ Araş. Gör. Onur MERTER Araş. Gör. Özgür BOZDAĞ Prof. Dr. Mustafa DÜZGÜ Dokuz Eylül Ünverstes Dokuz Eylül Ünverstes Dokuz Eylül Ünverstes Fen Blmler Ensttüsü
Detaylı2.7 Bezier eğrileri, B-spline eğrileri
.7 Bezer eğrler, B-splne eğrler Bezer eğrler ve B-splne eğrler blgsaar grafklernde ve Blgsaar Destekl Tasarım (CAD) ugulamalarında çok kullanılmaktadır.. B-splne eğrler sadece br grup ver noktası çn tanımlanan
Detaylı04.10.2012 SU İHTİYAÇLARININ BELİRLENMESİ. Suİhtiyacı. Proje Süresi. Birim Su Sarfiyatı. Proje Süresi Sonundaki Nüfus
SU İHTİYAÇLARII BELİRLEMESİ Suİhtyacı Proje Süres Brm Su Sarfyatı Proje Süres Sonundak üfus Su ayrım çzs İsale Hattı Su Tasfye Tess Terf Merkez, Pompa İstasyonu Baraj Gölü (Hazne) Kaptaj Su Alma Yapısı
DetaylıÇELİK UZAYSAL ÇERÇEVE YAPILARIN OPTİMUM TASARIMI
ÇELİK UZAYSAL ÇERÇEVE YAPILARIN OPTİMUM TASARIMI M. Sedat HAYALİOĞLU *, S. Özgür DEĞERTEKİN * * Dcle Ünverstes, Müh.-Mm. Fak., İnşaat Müh. Böl., Dyarbakır ÖZET Bu çalışmada çelk uzay çerçevelern, Amerkan
Detaylıİl Özel İdareleri ve Belediyelerde Uygulanan Program Bütçe Sistemi ve Getirdiği Yenilikler
İl Özel İdareler ve Beledyelerde Uygulanan Program Bütçe Sstem ve Getrdğ Yenlkler Hayrettn Güngör Mehmet Deınrtaş İlk 2 Mayıs 1990 gün ve 20506 sayılı, kncs 19 Şubat 1994 gün ve 2 ı 854 sayılı Resm Gazete'de
DetaylıDeprem Tepkisinin Sayısal Metotlar ile Değerlendirilmesi (Newmark-Beta Metodu) Deprem Mühendisliğine Giriş Dersi Doç. Dr.
Deprem Tepksnn Sayısal Metotlar le Değerlendrlmes (Newmark-Beta Metodu) Sunum Anahat Grş Sayısal Metotlar Motvasyon Tahrk Fonksyonunun Parçalı Lneer Interpolasyonu (Pecewse Lnear Interpolaton of Exctaton
DetaylıDip - Zirve Relatif Performans Piyasa Çarpanları Değerlemeler TTKOM IPEKE SAHOL BIMAS TTRAK DOHOL. Düşüşü Sürenler ASELS
BİST 30 Son Fyat Bu Hafta Geçen Hafta AKBNK 8,92-10,35% -2,93% ARCLK 13,55-4,24% 4,04% ASELS 10,30-7,52% -4,24% ASYAB 2,01-5,19% -0,93% BIMAS 87,75-3,31% -1,39% DOHOL 1,07-4,46% -2,61% EKGYO 3,09-4,92%
DetaylıTürkiye deki Binalara Yönelik Soğutma Yükü Hesabı için Web Tabanlı Yazılım Geliştirilmesi
43 Türkye dek Bnalara Yönelk Soğutma Yükü Hesabı çn Web Tabanlı Yazılım Gelştrlmes Development of a Web-Based Software For Buldng Coolng Load Calculatons n Turkey Yrd. Doç. Dr. M. Azm AKTACİR / Yrd. Doç.
DetaylıERGONOMİK KOŞULLAR ALTINDA MONTAJ HATTI DENGELEME
ERGONOMİK KOŞULLAR ALTINDA MONTAJ HATTI DENGELEME Pamukkale Ünverstes Fen Blmler Ensttüsü Yüksek Lsans Tez Endüstr Mühendslğ Anablm Dalı Elf ÖZGÖRMÜŞ Danışman: Yrd. Doç. Dr. Özcan MUTLU Ağustos, 2007 DENİZLİ
DetaylıTÜRKİYE 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
DetaylıSTANDART VE HİBRİD YAPILAR KULLANARAK YAPAY SİNİR AĞLARI İLE İMZA TANIMA
STANDART VE HİBRİD YAPILAR KULLANARAK YAPAY SİNİR AĞLARI İLE İMZA TANIMA Canan ŞENOL Tülay YILDIRIM Kadr Has Ünverstes, Elektronk Mühendslğ Bölümü, 3430, Cbal, Fath-İstanbul Yıldız Teknk Ünverstes, Elektronk
DetaylıTuğla 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
DetaylıÇizge Tabanlı Güven Modellenmesi
Akademk Blşm - XIV Akademk Blşm Konferansı Bldrler - Şubat 0 Uşak Ünverstes Çzge Tabanlı Güven Modellenmes Mahr Kutay, S Zafer Dcle, M Ufuk Çağlayan Dokuz Eylül Ünverstes, Elektrk-Elektronk Mühendslğ Bölümü,
DetaylıARAŞTIRMA 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,
DetaylıDOĞRUSAL 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
DetaylıTEKNOLOJĐK 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
DetaylıBULANIK 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
DetaylıKİ 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.
DetaylıDETERMINATION OF THE ECONOMIC DISPATCH IN ELECTRIC POWER SYSTEMS USING SIMULATED ANNEALING(SA) ALGORITHM
5 Uluslararası İler Teknolojler Sempozyumu (IATS 09), 3-5 Mayıs 2009, Karabük, Türkye ELEKTRİK GÜÇ SİSTEMİNDE OPTİMAL YAKIT MALİYETİNİN BENZETİM TAVLAMA (BT) ALGORİTMASI İLE BELİRLENMESİ DETERMINATION
Detaylı4.5. 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,
Detaylı3. Parçaları Arasında Aralık Bulunan Çok Parçalı Basınç Çubukları
3. Parçaları Arasında Aralık Bulunan Çok Parçalı Basınç Çubukları Basınç çubukları brden fazla profl kullanılarak, bu profller arasında plan düzlemnde bell br mesafe bulunacak şeklde düzenleneblr. Bu teşklde,
DetaylıUYDU 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
DetaylıDEĞİŞKEN 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,
DetaylıKIRIKKALE 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