Destek Vektör Makineleri, YSA, K-Means ve KNN Kullanarak Arı Türlerinin Sınıflandırılması
Yükleniyor...
Dosyalar
Tarih
2018
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bu çalışmada arı kanatları üzerindeki kavşak noktalarına göre arı türlerinin sınıflandırılması amaçlanmıştır. Bu amaçla beş farklı ilden alınan arı kanat resimleri üzerinde kavşak noktaları belirlenmiştir. Arı kanatları üzerinde kavşak noktalarının belirlenmesi işleminin minimum hata ile yapılması için yeni bir algoritma önerilmiştir. Kavşak noktaları kullanılarak 27 morfolojik özellik çıkarılmıştır. Bu özellikler normalize edilerek sınıflandırmada kullanılmıştır. Destek vektör makineleri, yapay sinir ağları, K-Ortalama ve K en yakın komşuluk sınıflandırma yöntemi olarak kullanılmış, yapay sinir ağları ile sınıflandırma diğer sınıflandırma yöntemlerine göre daha iyi sonuç vermiştir. Kavşak noktaları için önerilen algoritmanın sınıflandırma başarısını arttırdığı görülmüştür
In this study, it has been aimed at classifying of bee species according to the intersection points on the bee wings. With this aim, intersection points are specified from the wing pictures attained five different city. A basic and novel algorithm is proposed for specifying intersection points on the wings, with minimum error. 27 different features have been obtained using intersection points. After normalasing, these features have been used for classification. Support Vector Machine, Neural Networks, K-means and K-nearest Neighbour have been used as classification and clustering methods. It has been seen that the proposed method has increased the classification performance of the algorithms. The best classification performance have been obtained with Neural Networks using with 27 feature and proposed intersection specifying method
In this study, it has been aimed at classifying of bee species according to the intersection points on the bee wings. With this aim, intersection points are specified from the wing pictures attained five different city. A basic and novel algorithm is proposed for specifying intersection points on the wings, with minimum error. 27 different features have been obtained using intersection points. After normalasing, these features have been used for classification. Support Vector Machine, Neural Networks, K-means and K-nearest Neighbour have been used as classification and clustering methods. It has been seen that the proposed method has increased the classification performance of the algorithms. The best classification performance have been obtained with Neural Networks using with 27 feature and proposed intersection specifying method
Açıklama
Anahtar Kelimeler
Kaynak
Düzce Üniversitesi Bilim ve Teknoloji Dergisi
WoS Q Değeri
Scopus Q Değeri
Cilt
6
Sayı
1
