Geliştirilmiş Fisher Ayraç Kriteri Kullanarak Hiperspektral Görüntülerde Sınıflandırma
|
|
- Ediz Yalman
- 6 yıl önce
- İzleme sayısı:
Transkript
1 Geliştirilmiş Fisher Ayraç Kriteri Kullanarak Hiperspektral Görüntülerde Sınıflandırma Mustafa TEKE, Dr. Ufuk SAKARYA TÜBİTAK UZAY IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013), Girne, KKTC, Nisan
2 Sunu Akışı Giriş Elektromanyetik ışıma Hedef ile etkileşim Hiperspektral görüntüleme Çok bantlı ve hiperspektral görüntüler Boyut İndirgeme PCA FLDA EFDC Önerilen Yöntem Deneyler Çıkarımlar IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013), Girne, KKTC, Nisan
3 Elektromanyetik Işıma Güneş Işıması Hız = f. λ λ : Dalga boyu f : Frekans Kaynak: Kaynak: IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013), Girne, KKTC, Nisan
4 Hedef İle Etkileşim Gelen = Yansıyan + Geçirilen + Soğurulan Gelen Yansıyan Soğurulan Geçirilen Kaynak: IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013), Girne, KKTC, Nisan
5 Dünyanın Enerji Bütçesi Kaynak: NASA, IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013), Girne, KKTC, Nisan
6 Hiperspektral Görüntüleme Ön Optik (Odaklama) Spektrometre (Spektral Ayrışma) Sensör IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013), Girne, KKTC, Nisan
7 Çok Bantlı ve Hiperspektral Görüntüler Çok bantlı görüntüler 4 12 bant Bant aralığı nm Ayrık bantlar Hiperspektral görüntüler bant Daha dar aralıklı (5-20 nm) Devamlı bantlar Kaynak: NASA IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013), Girne, KKTC, Nisan
8 Boyut İndirgeme Her bir x i elemanı B boyutlu bir uzayda yer alan ve N adet elemandan oluşan bir X = {x 1, x 2,, x i, x n } kümesinin B> K olmak üzere; X kümesinin her bir x i elemanının K boyutlu bir uzayda yer alacak şekilde Y= {y 1, y 2,, y i, y n } kümesine indirgenmesine boyut indirgeme tekniği denmektedir. Örneğin 2 Boyutlu Veriyi, 1 boyut ile de ifade mümkündür IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013), Girne, KKTC, Nisan
9 PCA Temel bileşen analizi (Principal Component Analysis - PCA) [Duda1]:İlintili bir B boyutlu vektör uzayında yer alan bir X kümesinin doğrusal ilintisiz bir B boyutlu bir vektör uzayına dönüşümü yapılır. PCA öğreticisiz bir yöntemdir, değişintinin en yüksek olduğu yöne doğru bir izdüşüm yapar. Ortak değişinti matrisinin özvektörleri ve özdeğerleri bulunur. En büyük ilk K özdeğere ait özvektörlerden BxK boyutlu bir PCA iz düşüm matrisi oluşturulur. y T ( x ) PCA IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013), Girne, KKTC, Nisan
10 FLDA (1/2) Fisher doğrusal ayraç analizi (Fisher Linear Discriminant Analysis- FLDA) [Duda1],[Gao12] ise öğreticili bir yöntem olup sınıfların en çok ayrılabileceği yönde bir izdüşüm yapar. FLDA için iki değişinti matrisi hesaplanır. Bunlardan birisi sınıf içi değişinti matrisi olan S dir: S m N i i 1 j 1 i i i i ( x )( x ) j j T Yukarıdaki denklemde N i i sınıfının örnek sayısı, m sınıf sayısı, µ i i sınıfının ortalaması, x ij i sınıfındaki j. elemanı göstermektedir. IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013), Girne, KKTC, Nisan
11 FLDA (2/2) Sınıflar arası değişinti matrisi S B : m i i S B N i ( )( ) i 1 T FLDA için aşağıdaki denklem çözülmeye çalışılır. Kısaca Denklem (4) ün çözümü Denklem (5) in özvektör çözümü ile bulunur. S FLDA 1 S arg max B T T S S B (4) (5) IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013), Girne, KKTC, Nisan
12 PCA ve FLDA Aly A. Farag,Shireen Y. Elhabian, atdid pdf IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013), Girne, KKTC, Nisan
13 EFDC (1/3) Gao et al. [Gao12] boyut indirgeme için geliştirilmiş Fisher ayraç kriterini (Enhanced Fisher Discriminant Criterion- EFDC) önermişlerdir. Bu kriter FLDA ya ek olarak sınıf içindeki veri değişintisini de olabildiğince korumaya çalışır. Bu yöntemde Denklem (4) yerine Denklem (6) kriter olarak kullanılır. T (6) EFDC arg max asb 1 a S T S D Yukarıdaki denklemde a bir sabittir, S D aynı küme içindeki değişiklik saçılımı matrisidir (variability scatter matrix) ve şu şekilde hesaplanır: (7) S X F D X D T IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013), Girne, KKTC, Nisan
14 EFDC (2/3) F diyagonal bir matristir: F ii j Dij (8) Denklem (7) deki D ağırlık matrisidir ve birbirine yakın noktalar arası değişimi modeller [Gao12]: D ij exp 0, diger. 2 t / d x, x, Eger x N x i j veya x j N k i x i k ve, i j j (9) Denklem (9) daki t bir sabittir. N k (x i ), x i elemanının k en yakın komşusudur. Eleman x i nin sınıfını τ i belirtir. Fonksiyon d(.) iki eleman arası Öklid uzaklık ölçeridir IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013), Girne, KKTC, Nisan
15 EFDC (3/3) EFDC yönteminde Denklem (6) içerisindeki 3 saçılım matrisi, S, S B ve S D direkt olarak kullanılmaz, bir ön işlem yapılır. S matrisinin tekil olması durumuna karşılık öncelikle Fisherface yöntemindeki [Bel97] gibi PCA uygulanır. Burada elde edilen dönüşüm matrisi de en son elde edilen çözüm dönüşümüne çarpılarak eklenir [Gao12]. IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013), Girne, KKTC, Nisan
16 Önerilen Yöntem Hiperspektral Veri Boyut İndirgeme İzdüşüm Matrisi Örnek Veri Üzerinde EFDC ile İzdüşüm Matrisi Hesaplanma Boyut İndirgeme SVM ile Örnek Veri Üzerinde Eğitim Parametreler SVM ile Veri Sınıflandırma Sonuç Maskesi IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013), Girne, KKTC, Nisan
17 Deneyler (1/3) Testlerde Indian Pines veri seti [AVI] seçilmiştir AVIRIS tarafından alınan bu görüntüde 145x145 piksel alanda 224 bant bulunmaktadır Veri setinde 16 sınıf bulunmaktadır Deneylerde su soğurulması olan bantlar çıkarılarak 200 bant ile çalışılmıştır Benzer şekilde örnek sayısı az (<100) olan sınıflar çıkarılarak, örnek sayısı en yüksek 9 sınıf veri ile çalışılmıştır IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013), Girne, KKTC, Nisan
18 Radyans Deneyler (1/3) Alfalfa-Yonca Corn-notillage Corn-min Corn Grass/Pasture Grass/Trees Grass/pasture-mowed Hay-windrowed-Saman Oats-Yulaf Soybeans-notillage Soybeans-min Soybeans-clean heat-buğday oods Bldg-Grass-Tree-Drives Stone-Steel towers 0 IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013), Girne, KKTC, Nisan
19 Deneyler (1/3) IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013), Girne, KKTC, Nisan
20 Deneyler (2/3) (a) (b) (c) (d) Şekil 2 (a) Çok bantlı görüntü, (b) EFDC ilk 3 bant görselleştirme, (c) Yer doğrusu, (d) EFDC sınıflandırma sonuçları Tablo 1 Eğitimdeki Örnek Sayısı ve Sınıflandırma Performansı Karşılaştırılması Örnek Sayısı EFDC FLDA IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013), Girne, KKTC, Nisan
21 Deneyler (3/3) Performans % Öznitelik Sayısı Şekil 3 EFDC Boyut Sayısı ve Performans Değerleri IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013), Girne, KKTC, Nisan
22 Çıkarımlar EFDC yönteminin hiperspektral görüntülerde sınıflandırma amaçlı kullanımını anlatan bir yöntem önerilmektedir Bildiğimiz kadarı ile EFDC yönteminin hiperspektral görüntü işleme konusundaki ilk uygulaması önerdiğimiz çalışmadır İndirgenmiş boyuttaki veriler SVM ile eğitilerek hiperspektral görüntülerde sınıflandırma işlemi yapılmaktadır Boyut indirgeme aşamasında FLDA ve EFDC kullanılarak karşılaştırmalı bir deneysel çalışma yapılmıştır Önerilen yöntem ile yapılan ilk deneysel çalışmalara göre hiperspektral görüntülerde sınıflandırma için umut verici sonuçlar elde edilmiştir Özellikle EFDC yönteminin hiperspektral görüntü işlemede boyut indirgemedeki avantajının araştırılması için daha çok veri üzerinde testler yapılması gerekmektedir. IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013), Girne, KKTC, Nisan
23 Kaynakça [Duda1] R. Duda, P. Hart, and D. Stork, Pattern Classification, Second Edition, iley-interscience, [Gao12] Q. Gao, J.Liu, H.Zhang, J. Hou and X. Yang, Enhanced fisher discriminant criterion for image recognition, Pattern Recognition, vol. 45, pp , [Bel97] P.N. Belhumeur, J.P. Hespanha and D.J. Kriegman, Eigenfaces vs. Fisherfaces: recognition using class specific linear projection, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 19, no. 7, pp , Jul [AVI] AVIRIS N Indiana s Indian Pines 1992 data set [Online]. Kaynak:ftp://ftp.ecn.purdue.edu/biehl/MultiSpec/92AV3C.tif.zi p (veri), ftp://ftp.ecn.purdue.edu/biehl/multispec/thyfiles.zip (doğruluk verisi), Erişim Tarihi: IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013), Girne, KKTC, Nisan
24 Teşekkür İletişim Bilgileri: Mustafa TEKE Dr. Ufuk SAKARYA IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013), Girne, KKTC, Nisan
Günümüzde birçok yüz tanıma yöntemleri geliştirilmiş olup [2], bunlar şu şekilde sınıflandırılabilir:
YÜZ TANIMA YÖNTEMLERİNİN SIKIŞTIRILMIŞ ARŞİVLERDE BAŞARIMI Mustafa Ersel Kamaşak ve Bülent Sankur Sinyal ve İmge İşleme Laboratuvarı (BUSIM) Boǧaziçi Üniversitesi Elektrik Elektronik Mühendisliǧi {kamasak,
DetaylıCoğrafi Veri Üretimi Bakış Açısı İle TÜBİTAK UZAY daki Uzaktan Algılama Araştırmaları
Coğrafi Veri Üretimi Bakış Açısı İle TÜBİTAK UZAY daki Uzaktan Algılama Araştırmaları Sunan: Dr. Ufuk SAKARYA TÜBİTAK UZAY Katkıda Bulunanlar: Mustafa Teke, Can Demirkesen, Ramazan Küpçü, Hüsne Seda Deveci,
DetaylıUzaktan Algılama Teknolojileri
Uzaktan Algılama Teknolojileri Ders 10 Hiperspektral Görüntülerde Öznitelik Çıkarımı ve Boyut Azaltımı Alp Ertürk alp.erturk@kocaeli.edu.tr Öznitelik Çıkarımı Veriden ayırt edici yapıda nitelikler çıkarma
DetaylıMEH535 Örüntü Tanıma. 6. Boyut Azaltımı (Dimensionality Reduction)
MEH535 Örüntü anıma 6. Boyut Azaltımı (Dimensionality Reduction) Doç.Dr. M. Kemal GÜLLÜ Elektronik ve Haberleşme Mühendisliği Bölümü web: http://akademikpersonel.kocaeli.edu.tr/kemalg/ E-posta: kemalg@kocaeli.edu.tr
DetaylıGürültü İçeren İnsan Yüzü Görüntülerinde Ayrık Kosinüs Dönüşümü - Alt Bant Tabanlı Yüz Tanıma
Gazi Üniversitesi Fen Bilimleri Dergisi Part:C, Tasarım Ve Teknoloji GU J Sci Part:C 3(2):457-462 (2015) Gürültü İçeren İnsan Yüzü Görüntülerinde Ayrık Kosinüs Dönüşümü - Alt Bant Tabanlı Yüz Tanıma Ahmet
Detaylı2.1 Gri Düzey Eş Oluşum Matrisi ( GLCM) Gri düzey eş oluşum matrisi Haralick tarafından öne sürülmüştür [1]. Đstatistiksel doku analizi yöntemidir.
ÇELĐK YÜZEYLERĐN SINIFLANDIRILMASI * Cem ÜNSALAN ** Aytül ERÇĐL * Ayşın ERTÜZÜN *Boğaziçi Üniversitesi, Elektrik-Elektronik Mühendisliği Bölümü unsalan@boun.edu.tr **Boğaziçi Üniversitesi, Endüstri Mühendisliği
DetaylıHafta 09 -Topluluk Yöntemleri - Boyut Azaltma - Anomali Tespiti
Hafta 09 -Topluluk Yöntemleri - Boyut Azaltma - Anomali Tespiti BGM 565 - Siber Güvenlik için Makine Öğrenme Yöntemleri Bilgi Güvenliği Mühendisliği Yüksek Lisans Programı Dr. Ferhat Özgür Çatak ozgur.catak@tubitak.gov.tr
DetaylıDOKUZ EYLÜL ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MÜDÜRLÜĞÜ DERS/MODÜL/BLOK TANITIM FORMU. Dersin Orjinal Adı: Pattern Recognition
Dersi Veren Birim: Fen Bilimleri Enstitüsü Dersin Türkçe Adı: Örüntü Tanıma Dersin Orjinal Adı: Pattern Recognition Dersin Düzeyi:(Ön lisans, Lisans, Yüksek Lisans, Doktora) Lisansüstü Dersin Kodu: CSE
DetaylıKanonik Korelasyon Analizi ile Düşük Çözünürlüklü Görüntülerden Yüz Tanıma
Kanonik Korelasyon Analizi ile Düşük Çözünürlüklü Görüntülerden Yüz Tanıma Face Recognition from Low Resolution Images Using Canonical Correlation Analysis B. Şen 1 and Y. Özkazanç 2 1 Karel Elektronik,
DetaylıYüz Bulma ve Tanıma Sistemi
Yüz Bulma ve Tanıma Sistemi M. AKÇAY 1, Naciye Nur SARIBEY 2 1,2 Dumlupınar Üniversitesi, Bilgisayar Mühendisliği Bölümü, KÜTAHYA Makcay26@dpu.edu.tr, nnursaribey@gmail.com Özet: Günümüzde yüz tanıma sistemlerine
DetaylıBilgisayarla Görüye Giriş
Bilgisayarla Görüye Giriş Ders 10 Nesne / Yüz Tespiti ve Tanıma Alp Ertürk alp.erturk@kocaeli.edu.tr Nesne Tespiti Belirli bir nesnenin sahne içindeki konumunun tespitidir Tespit edilecek nesne önceden
DetaylıÖZDEĞERLER- ÖZVEKTÖRLER
ÖZDEĞERLER- ÖZVEKTÖRLER GİRİŞ Özdeğerler, bir matrisin orijinal yapısını görmek için kullanılan alternatif bir yoldur. Özdeğer kavramını açıklamak için öncelikle özvektör kavramı ele alınsın. Bazı vektörler
DetaylıElektromanyetik Radyasyon (Enerji) Nedir?
Elektromanyetik Radyasyon (Enerji) Nedir? Atomlardan çeşitli şekillerde ortaya çıkan enerji türleri ve bunların yayılma şekilleri "elektromagnetik radyasyon" olarak adlandırılır. İçinde X ve γ ışınlarının
DetaylıMakine Öğrenmesi 11. hafta
Makine Öğrenmesi 11. hafta Özellik Çıkartma-Seçme Boyut Azaltma PCA LDA 1 Özellik Çıkartma Herhangi bir problemin makine öğrenmesi yöntemleriyle çözülebilmesi için sistemin uygun şekilde temsil edilmesi
DetaylıKredi Onayı İçin Bir Sınıflandırma Algoritması Önerisi A Classification Algorithm Advice for Credit Approval
Kredi Onayı İçin Bir Sınıflandırma Algoritması Önerisi A Classification Algorithm Advice for Credit Approval İsmail Haberal Bilgisayar Mühendisliği Bölümü Başkent Üniversitesi ihaberal@baskent.edu.tr Umut
DetaylıGEO182 Lineer Cebir. Matrisler. Matrisler. Dersi Veren: Dr. İlke Deniz Derse Devam: %70. Vize Sayısı: 1
GEO182 Lineer Cebir Dersi Veren: Dr. İlke Deniz 2018 GEO182 Lineer Cebir Derse Devam: %70 Vize Sayısı: 1 Başarı Notu: Yıl içi Başarı Notu %40 + Final Sınavı Notu %60 GEO182 Lineer Cebir GEO182 Lineer Cebir
DetaylıHİPERSPEKTRAL GÖRÜNTÜLEMENİN SAVUNMA TEKNOLOJİLERİ UYGULAMALARI VE SPEKTRAL EĞRİLTME SAYESİNDE YÜKSEK TANIMA BAŞARIMI
HİPERSPEKTRAL GÖRÜNTÜLEMENİN SAVUNMA TEKNOLOJİLERİ UYGULAMALARI VE SPEKTRAL EĞRİLTME SAYESİNDE YÜKSEK TANIMA BAŞARIMI Begüm Demir (a), Sarp Ertürk (b) (a) KOÜ, Elektronik ve Haberleşme Müh. Böl., 41040,
DetaylıGörüntü İyileştirme Teknikleri. Hafta-8
Görüntü İyileştirme Teknikleri Hafta-8 1 Spektral İyileştirme PCA (Principal Component Analysis) Dönüşümü. Türkçesi Ana Bileşenler Dönüşümü Decorrelation Germe Tasseled Cap RGB den IHS ye dönüşüm IHS den
DetaylıKanonik Korelasyon Analizi ile Cinsiyet Tabanlı İmge Sınıflandırması. Gender Based Image Classification via Canonical Correlation Analysis
Kanonik Korelasyon Analizi ile Cinsiyet Tabanlı İmge Sınıflandırması Gender Based Image Classification via Canonical Correlation Analysis * Mehmet Cem Catalbas 1, Yakup Ozkazanc 2, Arif Gulten 1 1 Electric
DetaylıÇok-öbekli Veri için Aradeğerlemeci Ayrışım
Interpolative Decomposition for Data with Multiple Clusters Çok-öbekli Veri için Aradeğerlemeci Ayrışım İsmail Arı, A. Taylan Cemgil, Lale Akarun. Boğaziçi Üniversitesi, Bilgisayar Mühendisliği 25 Nisan
DetaylıYinelemeli ve Uyarlanır Ayrıt Saptayıcı Süzgeçleri
Yinelemeli ve Uyarlanır Ayrıt Saptayıcı Süzgeçleri innur Kurt, Muhittin Gökmen İstanbul Teknik Üniversitesi ilgisayar Mühendisliği ölümü Maslak 8066, İstanbul {kurt,gokmen}@cs.itu.edu.tr Özetçe Görüntü
DetaylıBahar Yarıyılı D_IFERANS_IYEL DENKLEMLER II ARA SINAV 6 Nisan 2011 Süre: 90 dakika CEVAP ANAHTARI. y = c n x n+r. (n + r) c n x n+r 1 +
DÜZCE ÜN_IVERS_ITES_I FEN-EDEB_IYAT FAKÜLTES_I MATEMAT_IK BÖLÜMÜ 010-011 Bahar Yarıyılı D_IFERANS_IYEL DENKLEMLER II ARA SINAV 6 Nisan 011 Süre: 90 dakika CEVAP ANAHTARI 1. 0p x d y + dy + xy = 0 diferansiyel
DetaylıUzaktan Algılama Uygulamaları
Aksaray Üniversitesi Uzaktan Algılama Uygulamaları Doç.Dr. Semih EKERCİN Harita Mühendisliği Bölümü sekercin@aksaray.edu.tr 2010-2011 Bahar Yarıyılı Uzaktan Algılama Uygulamaları GÖRÜNTÜ İŞLEME TEKNİKLERİ
Detaylı7. BÖLÜM İÇ ÇARPIM UZAYLARI İÇ ÇARPIM UZAYLARI İÇ ÇARPIM UZAYLARI İÇ ÇARPIM UZAYLARI .= 1 1 + + Genel: Vektörler bölümünde vektörel iç çarpım;
İÇ ÇARPIM UZAYLARI 7. BÖLÜM İÇ ÇARPIM UZAYLARI Genel: Vektörler bölümünde vektörel iç çarpım;.= 1 1 + + Açıklanmış ve bu konu uzunluk ve uzaklık kavramlarını açıklamak için kullanılmıştır. Bu bölümde öklit
DetaylıUYDU GÖRÜNTÜLERİ VE SAYISAL UZAKTAN ALGILAMA
UYDU GÖRÜNTÜLERİ VE SAYISAL UZAKTAN ALGILAMA Son yıllarda teknolojinin gelişmesi ile birlikte; geniş alanlarda, kısa zaman aralıklarında ucuz ve hızlı sonuç alınabilen uzaktan algılama tekniğinin, yenilenebilir
DetaylıORM 7420 USING SATELLITE IMAGES IN FOREST RESOURCE PLANNING
ORM 7420 USING SATELLITE IMAGES IN FOREST RESOURCE PLANNING Asst. Prof. Dr. Uzay KARAHALİL Week IV NEDEN UYDU GÖRÜNTÜLERİ KULLANIRIZ? Sayısaldır (Dijital), - taramaya gerek yoktur Hızlıdır Uçuş planı,
DetaylıUzaktan Algılama Teknolojileri
Uzaktan Algılama Teknolojileri Ders 8 Multispektral Görüntüleme ve Uygulamaları Alp Ertürk alp.erturk@kocaeli.edu.tr Multispektral Görüntüleme Her piksel için birkaç adet spektral kanalda ölçüm değeri
DetaylıHATA BULMA YÖNTEMLERİNİN YANLIŞ ALARM ORANLARI FALSE ALARM RATES OF FAULT DETECTION METHODS
Sakarya Üniversitesi Fen Bilimleri Enstitüsü Dergisi, Vol(No): pp, year SAKARYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DERGİSİ SAKARYA UNIVERSITY JOURNAL OF SCIENCE e-issn: 2147-835X Dergi sayfası: http://dergipark.gov.tr/saufenbilder
Detaylı36. Basit kuvvet metodu
36. Basit kuvvet metodu Basit kuvvet metodu hakkında çok kısa bilgi verilecektir. Basit kuvvet metodunda hiperstatik bilinmeyenlerinin hesaplanmasına, dolayısıyla buna ait denklem sisteminin kurulmasına
DetaylıÇekişmeli Üretici Ağlar Kullanarak Dış Mekan Görüntülerinin Geçici Niteliklerini Düzenleme
Çekişmeli Üretici Ağlar Kullanarak Dış Mekan Görüntülerinin Geçici Niteliklerini Düzenleme Adjusting Transient Attributes of Outdoor Images using Generative Adversarial Networks Levent Karacan, Aykut Erdem,
DetaylıDOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: CME 4410
Dersi Veren Birim: Bilgisayar Mühendisliği Dersin Türkçe Adı: ÖRÜNTÜ TANIMAYA GİRİŞ Dersin Orjinal Adı: INTRODUCTION TO PATTERN RECOGNITION Dersin Düzeyi:(Ön lisans, Lisans, Yüksek Lisans, Doktora) Lisans
DetaylıUzaktan Algılama Teknolojileri
Uzaktan Algılama Teknolojileri Ders 11 Hiperspektral Görüntülerde Kümeleme ve Sınıflandırma Alp Ertürk alp.erturk@kocaeli.edu.tr Sınıflandırma Sınıflandırma işleminin amacı, her piksel vektörüne bir ve
DetaylıDigital Görüntü Temelleri Görüntü Oluşumu
Digital Görüntü Temelleri Görüntü Oluşumu Işık 3B yüzeye ulaşır. Yüzey yansıtır. Sensör elemanı ışık enerjisini alır. Yoğunluk (Intensity) önemlidir. Açılar önemlidir. Materyal (yüzey) önemlidir. 25 Ekim
DetaylıDers: MAT261 Konu: Matrisler, Denklem Sistemleri matrisi bulunuz. olmak üzere X = AX + B olacak şekilde bir X 1.
Ders: MAT6 Konu: Matrisler, Denklem Sistemleri. A = matrisi bulunuz.. A = a b c d e f ve B = ÇALIŞMA SORULARI- olmak üzere X = AX + B olacak şekilde bir X matrisi satır basamak hale getirildiğinde en fazla
DetaylıKelebek Görüntülerin Sınıflandırılmasında Yeni Yerel İkili Örüntüler
Kelebek Görüntülerin Sınıflandırılmasında Yeni Yerel İkili Örüntüler Yılmaz KAYA 1, Lokman KAYCİ 2 1 Bilgisayar Mühendisliği Bölümü, Siirt Üniversitesi, 56100 Siirt 2 Biyoloji Bölümü, Siirt Üniversitesi,
DetaylıHızlı Düzey Küme Yöntemine Bağlı Retinal Damar Bölütlemesi. Bekir DİZDAROĞLU. KTÜ Bilgisayar Mühendisliği Bölümü
Bekir DİZDAROĞLU KTÜ Bilgisayar Mühendisliği Bölümü bekir@ktu.edu.tr 1/29 Tıbbi imge bölütleme klasik yaklaşımları a) Piksek tabanlı b) Kenar tabanlı c) Bölge tabanlı d) Watershed (sınır) tabanlı e) Kenar
DetaylıGama ışını görüntüleme: X ışını görüntüleme:
Elektronik ve Hab. Müh. Giriş Dersi Görüntü İşleme Yrd. Doç. Dr. M. Kemal GÜLLÜ Uygulama Alanları Gama ışını görüntüleme: X ışını görüntüleme: Uygulama Alanları Mor ötesi bandı görüntüleme: Görünür ve
DetaylıAHP ANALİTİK HİYERARŞİ PROSESİ AHP AHP. AHP Ölçeği AHP Yönteminin Çözüm Aşamaları
ANALİTİK HİYERARŞİ PROSESİ 1970 li yıllarda Wharton School of Business da çalışan Thomas L.Saaty tarafından Karmaşık çok kriterli karar verme problemlerinin çözümü için geliştirilmiştir. Tüm kriterler
DetaylıT.C. YILDIZ TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ HİPERSPEKTRAL GÖRÜNTÜLERDE BOYUT İNDİRGEME BURAK AKGÜL
T.C. YILDIZ TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ HİPERSPEKTRAL GÖRÜNTÜLERDE BOYUT İNDİRGEME BURAK AKGÜL YÜKSEK LİSANS TEZİ ELEKTRONİK VE HABERLEŞME MÜHENDİSLİĞİ ANABİLİM DALI HABERLEŞME PROGRAMI
DetaylıÖzdeğer ve Özvektörler
Özdeğer ve Özvektörler Yazar Öğr.Grv.Dr.Nevin ORHUN ÜNİTE 9 Amaçlar Bu üniteyi çalıştıktan sonra; bir lineer dönüşümün ve bir matrisin özdeğer ve özvektör kavramlarını anlayacak, bir dönüşüm matrisinin
DetaylıKaynak: A. İŞLİER, TESİS PLANLAMASI, 1997
Mühendislik Fakültesi Endüstri Mühendisliği Bölümü Doç. Dr. Nil ARAS ENM411 Tesis Planlaması 2016-2017 Güz Dönemi Kaynak: A. İŞLİER, TESİS PLANLAMASI, 1997 2 Tesis Yer Seçimi Problemi (TYSP) TEK AMAÇLI
DetaylıEmrah Kurtoğlu Gamze Dinçar Liva Gizem Göze Ali Kadir Ulu
1302120002 1302130068 1302150039 1302150049 Emrah Kurtoğlu Gamze Dinçar Liva Gizem Göze Ali Kadir Ulu 17.10.2016 SPEKTRAL İMGELER Bir malzeme için yansıyan, yutulan veya iletilen ışınım miktarları dalga
DetaylıCebir 1. MIT Açık Ders Malzemeleri
MIT Açık Ders Malzemeleri http://ocw.mit.edu 18.701 Cebir 1 2007 Güz Bu malzemeden alıntı yapmak veya Kullanım Şartları hakkında bilgi almak için http://ocw.mit.edu/terms ve http://tuba.acikders.org.tr
DetaylıHafta 2 Görüntünün Alınması ve Sayısallaştırılması
BLM429 Görüntü İşlemeye Giriş Hafta 2 Görüntünün Alınması ve Sayısallaştırılması Yrd. Doç. Dr. Caner ÖZCAN When something can be read without effort, great effort has gone into its writing. ~E. J. Poncela
Detaylıx 1,x 2,,x n ler bilinmeyenler olmak üzere, doğrusal denklemlerin oluşturduğu;
4. BÖLÜM DOĞRUSAL DENKLEM SİSTEMLERİ Doğrusal Denklem Sistemi x,x,,x n ler bilinmeyenler olmak üzere, doğrusal denklemlerin oluşturduğu; a x + a x + L + a x = b n n a x + a x + L + a x = b n n a x + a
DetaylıKOCAELİ ÜNİVERSİTESİ ELEKTRONİK VE HABERLEŞME MÜHENDİSLİĞİ BÖLÜMÜ 2018/2019 GYY BİTİRME ÇALIŞMASI ÖNERİ FORMU. (Doç.Dr. M.
KOCAELİ ÜNİVERSİTESİ ELEKTRONİK VE HABERLEŞME MÜHENDİSLİĞİ BÖLÜMÜ 2018/2019 GYY BİTİRME ÇALIŞMASI ÖNERİ FORMU (Doç.Dr. M. Kemal GÜLLÜ) Derinlik kamerası ile alınan modellerin birleştirilmesi Derinlik kamerası,
DetaylıDigital Görüntü Temelleri Görüntü Oluşumu
Digital Görüntü Temelleri Görüntü Oluşumu Işık 3B yüzeye ulaşır. Yüzey yansıtır. Sensör elemanı ışık enerjisini alır. Yoğunluk (Intensity) önemlidir. Açılar önemlidir. Materyal (yüzey) önemlidir. 06 Kasım
DetaylıAmpirik Kip Ayrışımı ve Dalgacık Dönüşümü Kullanarak Hiperspektral Görüntülerin Boyutlarının Azaltılması
Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi AKA ve Dalgacık Dönüşümü Kullanarak Hiperspektral Görüntülerin Boyutlarının Azaltılması, Afyon Kocatepe University Journal of Science and
DetaylıBölüm 7 Renkli Görüntü İşleme
BLM429 Görüntü İşlemeye Giriş Bölüm 7 Renkli Görüntü İşleme Dr. Öğr. Üyesi Caner ÖZCAN Genç sanatçının, rengin sadece tanımlayıcı değil aynı zamanda kişisel ifade anlamına geldiğini anlaması renge dokunmasından
DetaylıKABA KÜME TEORİSİ (Rough Set Theory) Dr. Sedat TELÇEKEN
KABA KÜME TEORİSİ (Rough Set Theory) Dr. Sedat TELÇEKEN Giriş Bilgi teknolojisindeki gelişmeler ve verilerin dijital ortamda saklanmaya başlanması ile yeryüzündeki bilgi miktarı her 20 ayda iki katına
DetaylıAmpirik Kip Ayrışımı ve Dalgacık Dönüşümü Kullanarak Hiperspektral Görüntülerin Boyutlarının Azaltılması
Ampirik Kip Ayrışımı ve Dalgacık Dönüşümü Kullanarak Hiperspektral Görüntülerin Boyutlarının Azaltılması Esra Tunç Görmüş a *, Nishan.Canagarajah b, Alin Achim b a KTU Harita Mühendisliği Bölümü, Kanuni
DetaylıBilgisayarla Görüye Giriş
Bilgisayarla Görüye Giriş Ders 6 Kenar, Köşe, Yuvarlak Tespiti Alp Ertürk alp.erturk@kocaeli.edu.tr KENAR TESPİTİ Kenar Tespiti Amaç: Görüntüdeki ani değişimleri / kesintileri algılamak Şekil bilgisi elde
DetaylıSPEKTROSKOPİK ELİPSOMETRE
OPTİK MALZEMELER ARAŞTIRMA GRUBU SPEKTROSKOPİK ELİPSOMETRE Birhan UĞUZ 1 0 8 1 0 8 1 0 İçerik Elipsometre Nedir? Işığın Kutuplanması Işığın Maddeyle Doğrusal Etkileşmesi Elipsometre Bileşenleri Ortalama
Detaylı[1086] HİPERSPEKTRAL GÖRÜNTÜLERİN NESNE-TABANLI SINIFLANDIRILMASINDA BOYUTSALLIK PROBLEMİ VE PARAMETRE SEÇİMİ
691 [1086] HİPERSPEKTRAL GÖRÜNTÜLERİN NESNE-TABANLI SINIFLANDIRILMASINDA BOYUTSALLIK PROBLEMİ VE PARAMETRE SEÇİMİ Taşkın KAVZOĞLU 1, Hasan TONBUL 2, Merve YILDIZ ERDEMİR 3, İsmail ÇÖLKESEN 4 1 Prof. Dr.,
DetaylıDEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 16 Sayı: 48 sh. 86-93 Eylül 2014
DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 16 Sayı: 48 sh. 86-93 Eylül 2014 DESTEK VEKTÖR MAKİNELERİ PARAMETRE OPTİMİZASYONUNUN DUYGU ANALİZİ ÜZERİNDEKİ ETKİSİ (EFFECTS OF SUPPORT VECTOR
DetaylıBilgisayarla Görüye Giriş
Bilgisayarla Görüye Giriş Ders 7 SIFT ve Öznitelik Eşleme Alp Ertürk alp.erturk@kocaeli.edu.tr Panorama Oluşturma Görüntü mozaikleme, panorama oluşturma gibi tüm uygulamalar için öncelikle ilgili görüntülerin
DetaylıYıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü. Bilgisayarla Görme. Proje
Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü Bilgisayarla Görme Proje Renk ve Şekil Temelli Trafik İşareti Tespiti Selçuk BAŞAK 08501008 1. Not: Ödevi hazırlamak için
DetaylıÖABT Lineer Cebir KONU TESTİ Matris Cebiri
ÖB Lineer Cebir KONU ESİ Matris Cebiri. i, j,, i için j i j a j i j a. j i j a. i için j i j a 4 6 j i j a 4 j i j a. 6. 0 0 0 4 0 0 0. 4 6 n 0 0 n 6 Cevap: D Cevap:. I. I I I 0 I 0 0 0..I I I 00 0 0 0
DetaylıBilgisayarla Görüye Giriş
Bilgisayarla Görüye Giriş Ders 9 Stereo Görüntüleme Alp Ertürk alp.erturk@kocaeli.edu.tr Tek Kamera Geometrisi??? x Tek Kamera Geometrisi Tek Kamera Geometrisi İğne Deliği Kamera Modeli ) /, / ( ),, (
DetaylıTanımlar, Geometrik ve Matemetiksel Temeller. Yrd. Doç. Dr. Saygın ABDİKAN Yrd. Doç. Dr. Aycan M. MARANGOZ. JDF329 Fotogrametri I Ders Notu
FOTOGRAMETRİ I Tanımlar, Geometrik ve Matemetiksel Temeller Yrd. Doç. Dr. Saygın ABDİKAN Yrd. Doç. Dr. Aycan M. MARANGOZ JDF329 Fotogrametri I Ders Notu 2015-2016 Öğretim Yılı Güz Dönemi İçerik Tanımlar
Detaylıİnsan Yüzü Resimlerinin Sorgulamaya Uygun ve Bölgelendirmeye Dayalı Kodlanması
1 Giriş: İnsan Yüzü Resimlerinin Sorgulamaya Uygun ve Bölgelendirmeye Dayalı Kodlanması Hatice Çınar, Ö Nezih Gerek Anadolu Üniversitesi, Elektrik-Elektronik Müh Böl, Eskişehir ongerek@anadoluedutr, hacinar@anadoluedutr
DetaylıMOD419 Görüntü İşleme
MOD419 Görüntü İşleme Ders Kitabı: Digital Image Processing by Gonzalez and Woods Puanlama: %30 Lab. %20 Vize %10 Quizes %40 Final %60 devam mecburiyeti Görüntü İşleme ye Giriş Görüntü İşleme Nedir? Özellikle
DetaylıMetin Sınıflandırma. Akış
Metin Sınıflandırma Mehmet Fatih AMASYALI BLM 5212 Doğal Dil İşlemeye Giriş Ders Notları Akış Görev Eğiticili Eğiticisiz Öğrenme Metin Özellikleri Metin Kümeleme Özellik Belirleme Çok Boyutlu Verilerle
DetaylıBüyük boyutun laneti (Curse of Dimensionality)
Büyük boyutun laneti (Curse of Dimensionality) p Veri boyutu arttıkça örnekler (noktalar) uzay içinde çok fazla dağınık hale gelir. p Noktaların yoğunluğu ya da aralarındaki uzaklık bir çok problem için
DetaylıK En Yakın Komşu Methodu (KNearest Neighborhood)
K En Yakın Komşu Methodu (KNearest Neighborhood) K-NN algoritması, Thomas. M. Cover ve Peter. E. Hart tarafından önerilen, örnek veri noktasının bulunduğu sınıfın ve en yakın komşunun, k değerine göre
DetaylıDEPREM KONUMLARININ BELİRLENMESİNDE BULANIK MANTIK YAKLAŞIMI
DEPREM KONUMLRININ BELİRLENMESİNDE BULNIK MNTIK YKLŞIMI Koray BODUR 1 ve Hüseyin GÖKLP 2 ÖZET: 1 Yüksek lisans öğrencisi, Jeofizik Müh. Bölümü, Karadeniz Teknik Üniversitesi, Trabzon 2 Yrd. Doç. Dr., Jeofizik
DetaylıK-En Yakın Komşu Algoritması Parametrelerinin Sınıflandırma Performansı Üzerine Etkisinin İncelenmesi
K-En Yakın Komşu Algoritması Parametrelerinin Sınıflandırma Performansı Üzerine Etkisinin İncelenmesi Erdal TAŞCI* Aytuğ ONAN** *Ege Üniversitesi Bilgisayar Mühendisliği Bölümü **Celal Bayar Üniversitesi
DetaylıKUADRATİK FORM. Tanım: Kuadratik Form. Bir q(x 1,x 2,,x n ) fonksiyonu
KUADRATİK FORMLAR KUADRATİK FORM Tanım: Kuadratik Form Bir q(x,x,,x n ) fonksiyonu q x : n şeklinde tanımlı ve x i x j bileşenlerinin doğrusal kombinasyonu olan bir fonksiyon ise bir kuadratik formdur.
Detaylıİki Boyutlu Dalgacık Dönüşümü Kullanarak Ön Cepheden Çekilmiş İnsan Yüzü Resimlerini Tanıma Üzerine Yaklaşımlar
KSÜ Mühendislik Bilimleri Dergisi, 12(1), 2009 6 KSU Journal of Engineering Sciences, 12 (1), 2009 İki Boyutlu Dalgacık Dönüşümü Kullanarak Ön Cepheden Çekilmiş İnsan Yüzü Resimlerini Tanıma Üzerine Yaklaşımlar
DetaylıTÜRKİYE CUMHURİYETİ DEVLETİNİN temellerinin atıldığı Çanakkale zaferinin 100. yılı kutlu olsun.
Doç.Dr.Mehmet MISIR-2013 TÜRKİYE CUMHURİYETİ DEVLETİNİN temellerinin atıldığı Çanakkale zaferinin 100. yılı kutlu olsun. Son yıllarda teknolojinin gelişmesi ile birlikte; geniş alanlarda, kısa zaman aralıklarında
DetaylıÇOK DEĞĐŞKENLĐ ĐSTATĐSTĐKLERĐN ARAŞTIRMALARDA KULLANIMI
ÇOK DEĞĐŞKENLĐ ĐSTATĐSTĐKLERĐN ARAŞTIRMALARDA KULLANIMI Araştırmalarda incelenen olaylar göstermektedir ki tek değişkenli istatistiklerin kullanılması problemi açıklamakta yetersiz ve eksik kalmaktadır.
Detaylıİleri Örüntü Tanıma Teknikleri Ve Uygulamaları İçerik
Tekrar Konular İleri Örüntü Tanıma Teknikleri Ve Uygulamaları İçerik 1. Uygulamalar ve tanımlamalar 2. Örüntü tanıma sistemleri ve bir örnek 3. Bayes karar teorisi 4. En yakın komşu sınıflandırıcıları
DetaylıÜÇ BOYUTLU M-BANTLI DALGACIK DÖNÜŞÜMÜ İLE TRAFİK TIKANIKLIĞININ BELİRLENMESİ
ÜÇ BOYUTLU M-BANTLI DALGACIK DÖNÜŞÜMÜ İLE TRAFİK TIKANIKLIĞININ BELİRLENMESİ 1. Giriş Tolga Kurt, Emin Anarım Boğaziçi Üniversitesi, Elektrik-Elektronik Mühendisliği 80815,Bebek, İstanbul-Türkiye e-posta:
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Quadratic Programming Bir karesel programlama modeli aşağıdaki gibi tanımlanır. Amaç fonksiyonu: Maks.(veya Min.) z
DetaylıÖRNEK 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,
DetaylıDOKUZ EYLÜL ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MÜDÜRLÜĞÜ DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: MAT 5001
Dersi Veren Birim: Fen Bilimleri Enstitüsü Dersin Türkçe Adı: Uygulamalı Matematik Dersin Orjinal Adı: Applied Mathematics Dersin Düzeyi:(Ön lisans, Lisans, Yüksek Lisans, Doktora) Lisansüstü Dersin Kodu:
Detaylı6. Ders. Mahir Bilen Can. Mayıs 16, 2016
6. Ders Mahir Bilen Can Mayıs 16, 2016 Bu derste lineer cebirdeki bazı fikirleri gözden geçirip Lie teorisine uygulamalarını inceleyeceğiz. Bütün Lie cebirlerinin cebirsel olarak kapalı ve karakteristiği
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
DetaylıSahne Geçişlerinin Geometrik Tabanlı olarak Saptanması
Sahne Geçişlerinin Geometrik Tabanlı olarak Saptanması 1 Giriş Binnur Kurt, H. Tahsin Demiral, Muhittin Gökmen İstanbul Teknik Üniversitesi, Bilgisayar Mühendisliği Bölümü, Maslak, 80626 İstanbul {kurt,demiral,gokmen}@cs.itu.edu.tr
DetaylıENİNE DEMET DİNAMİĞİ. Prof. Dr. Abbas Kenan Çiftçi. Ankara Üniversitesi
ENİNE DEMET DİNAMİĞİ Prof. Dr. Abbas Kenan Çiftçi Ankara Üniversitesi 1 Dairesel Hızlandırıcılar Yönlendirme: mağnetik alan Odaklama: mağnetik alan Alan indisi zayıf odaklama: 0
Detaylıİçerik. Giriş 1/23/13. Giriş Problem Tanımı Tez Çalışmasının Amacı Metodoloji Zaman Çizelgesi. Doktora Tez Önerisi
İsmail ÇÖLKESEN 501102602 Doktora Tez Önerisi Tez Danışmanı : Prof.Dr. Tahsin YOMRALIOĞLU İTÜ Geoma*k Mühendisliği İçerik Giriş Tez Çalışmasının Amacı Zaman Çizelgesi 1 of 25 Giriş Yeryüzü ile ilgili yapılan
Detaylıii) S 2LW 2WH 2LW 2WH S 2WH 2LW S 3( x 1) 5( x 2) 5 3x 3 5x x Maliye Bölümü EKON 103 Matematik I / Mart 2018 Proje 2 CEVAPLAR C.1) C.
C.1) x1 x 1 4 4( x1) x 6 4x 4 x 6 x 46 x Maliye Bölümü EKON 10 Matematik I / Mart 018 Proje CEVAPLAR C.) i) S LW WH LW WH S LW WH S W W W S L H W ii) S LW WH WH LW S WH LW S W W W S H L W C.) ( x1) 5(
DetaylıBu bölümde; Çok ölçütlü karar verme yöntemlerinden biri olan TOPSİS yöntemi anlatılacaktır.
ÇOK ÖLÇÜTLÜ KARAR VERME TOPSIS (Technique For Order Preference By Similarity To Ideal Solution) PROF. DR. İBRAHİM ÇİL 1 Bu bölümde; Çok ölçütlü karar verme yöntemlerinden biri olan TOPSİS yöntemi anlatılacaktır.
Detaylı4. BÖLÜM DOĞRUSAL DENKLEM SİSTEMLERİ
4. BÖLÜM DOĞRUSAL DENKLEM SİSTEMLERİ Doğrusal Denklem Sistemi x 1,x 2,,x n ler bilinmeyenler olmak üzere, doğrusal denklemlerin oluşturduğu; a x a x a x b 11 1 12 2 1n n 1 a x a x a x b 21 1 22 2 2n n
DetaylıElena Battini SÖNMEZ Önder ÖZBEK N. Özge ÖZBEK. 2 Şubat 2007
AVUÇ İZİ VE PARMAK İZİNE DAYALI BİR BİYOMETRİK TANIMA SİSTEMİ Elena Battini SÖNMEZ Önder ÖZBEK N. Özge ÖZBEK İstanbul Bilgi Üniversitesi Bilgisayar Bilimleri 2 Şubat 2007 Biyometrik Biyometrik, kişileri
Detaylı8.Konu Vektör uzayları, Alt Uzaylar
8.Konu Vektör uzayları, Alt Uzaylar 8.1. Düzlemde vektörler Düzlemdeki her noktası ile reel sayılardan oluşan ikilisini eşleştirebiliriz. Buna P noktanın koordinatları denir. y-ekseni P x y O dan P ye
Detaylı23. Sistem denge denklemlerinin direkt kurulması
. Sistem denge denklemlerinin direkt kurulması. Sistem denge denklemlerinin direkt kurulması Sonlu elemanlar metodu el hesapları için değil, bilgisayarda yazılımlar ile kullanılması için geliştirilmiştir.
DetaylıMULTISPEKTRAL 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
DetaylıN. Murat Arar, N. Kaan Bekmezci, Fatma Güney, Hazım K. Ekenel. Antalya, 22/04/2011
N. Murat Arar, N. Kaan Bekmezci, Fatma Güney, Hazım K. Ekenel Antalya, 22/04/2011 IEEE 19. Sinyal İşleme ve İletişim Uygulamaları Kurultayı http://www.cmpe.boun.edu.tr/pilab Giriş İlgili Çalışmalar Yöntem
DetaylıAyrık Dalgacık Dönüşümü Bileşenlerine Ait İstatistiksel Veriler ile Epileptik EEG İşaretlerinin Sınıflandırılması
214 Spring/Bahar Cilt/Vol: 5 - Sayı/Num: 15 DOI: 1.5824/139-1581.214.2.3.x Ayrık Dalgacık Dönüşümü Bileşenlerine Ait İstatistiksel Veriler ile Epileptik EEG İşaretlerinin Sınıflandırılması Tuğba PALABAŞ,
Detaylı8. HAFTA BLM323 SAYISAL ANALİZ. Okt. Yasin ORTAKCI.
8. HAFTA BLM323 SAYISAL ANALİZ Okt. Yasin ORTAKCI yasinortakci@karabuk.edu.tr Karabük Üniversitesi Uzaktan Eğitim Uygulama ve Araştırma Merkezi 2 MATRİSLER Matris veya dizey, dikdörtgen bir sayılar tablosu
DetaylıAHP ye Giriş Karar verici, her alternatifin her kriterde ne kadar başarılı olduğunu değerlendirir. Her kriterin amaca ulaşmadaki görece önemini değerl
AHP ye Giriş 2 Analitik Hiyerarşi Süreci Bölüm 3 AHP, birebir değerlendirerek alternatifleri sıralamaya dayanan çok nitelikli karar verme yöntemidir. Amaçlar ve alt amaçlar iç içe katmanlar halinde ve
DetaylıAşağı Link MC-CDMA Sistemlerinde Kullanılan PIC Alıcının EM-MAP Tabanlı Olarak İlklendirilmesi
IEEE 15. Sinyal İşleme ve İletişim Uygulamaları Kurultayı - 2007 Aşağı Link MC-CDMA Sistemlerinde Kullanılan PIC Alıcının EM-MAP Tabanlı Olarak İlklendirilmesi Hakan Doğan 1,Erdal Panayırcı 2, Hakan Ali
DetaylıŞayet bir lineer sistemin en az bir çözümü varsa tutarlı denir.
GAZI UNIVERSITY ENGINEERING FACULTY INDUSTRIAL ENGINEERING DEPARTMENT ENM 205 LINEAR ALGEBRA COURSE ENGLISH-TURKISH GLOSSARY Linear equation: a 1, a 2, a 3,.,a n ; b sabitler ve x 1, x 2,...x n ler değişkenler
DetaylıSÜREKLİ SAKLI MARKOV MODELLERİ İLE METİNDEN BAĞIMSIZ KONUŞMACI TANIMA PARAMETRELERİNİN İNCELENMESİ
Uludağ Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, Cilt 12, Sayı 1, 2007 SÜREKLİ SAKLI MARKOV MODELLERİ İLE METİNDEN BAĞIMSIZ KONUŞMACI TANIMA PARAMETRELERİNİN İNCELENMESİ Cemal HANİLÇİ Figen
DetaylıUzaktan Algılama Teknolojileri
Uzaktan Algılama Teknolojileri Ders 3 Uzaktan Algılama Temelleri Alp Ertürk alp.erturk@kocaeli.edu.tr Elektromanyetik Spektrum Elektromanyetik Spektrum Görünür Işık (Visible Light) Mavi: (400 500 nm) Yeşil:
DetaylıHAVADAN LAZER TARAMA ve SAYISAL GÖRÜNTÜ VERİLERİNDEN BİNA TESPİTİ VE ÇATILARIN 3 BOYUTLU MODELLENMESİ
Akdeniz Üniversitesi Uzay Bilimleri ve Teknolojileri Bölümü Uzaktan Algılama Anabilim Dalı HAVADAN LAZER TARAMA ve SAYISAL GÖRÜNTÜ VERİLERİNDEN BİNA TESPİTİ VE ÇATILARIN 3 BOYUTLU MODELLENMESİ Dr.Nusret
DetaylıGörüntü Sınıflandırma
Görüntü Sınıflandırma Chapter 12 https://www.google.com.tr/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8&ved=0 CBwQFjAA&url=http%3A%2F%2Ffaculty.une.edu%2Fcas%2Fszeeman%2Frs%2Flect%2FCh%2 52012%2520Image%2520Classification.ppt&ei=0IA7Vd36GYX4Uu2UhNgP&usg=AFQjCNE2wG
DetaylıBilgisayarla Görüye Giriş
Bilgisayarla Görüye Giriş Ders 4 İkili Görüntüler, Topoloji ve Morfoloji Alp Ertürk alp.erturk@kocaeli.edu.tr İkili (binary) görüntüler Gri skala veya renkli bir görüntünün eşiklenmesi ile elde edilirler.
DetaylıAkış YILDIZ TEKNİK ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ
Akış Makine Öğrenmesi nedir? Günlük Hayatımızdaki Uygulamaları Verilerin Sayısallaştırılması Özellik Belirleme Özellik Seçim Metotları Bilgi Kazancı (Informaiton Gain-IG) Sinyalin Gürültüye Oranı: (S2N
Detaylı