2 results
Search Results
Now showing 1 - 2 of 2
Master Thesis Görüntü İşleme ve Makine Öğrenme Yöntemleri ile Yüz Tanıma(2020) Rushdı, Iman Raad; Şengül, Gökhanİnsan yüzü tanıma, insan yüzünün çok boyutlu karmaşık bir yapı olması nedeniyle zor ve karmaşık bir problemdir. Temel olarak; yüz tanıma bir insanın yüz görüntüsünden kimliğinin belirlenmesi olarak tanımlanabilir. Bu nedenle yüz tanımada görüntü işleme, bilgisayarlı görü ve makine öğrenmesi gibi farklı disiplinlerin bir arada çalışması gerekir. Yüz tanımlamasıyla ilgili temel zorluk; yüz tanımlamasıyla ilgili doğru özelliklerin, doğru bir şekilde nasıl tanımlanacağıdır. Bu çalışma, görüntüden özellik çıkarma ve özellik seçimine dayalı olarak insan yüzünün tanınması için bir yaklaşım sunmaktadır. Önerilen yüz tanıma sistemi ORL ve YALE veri kümelerinde test edilmiştir. Önerilen yöntem başlangıçta üç adımda uygulanmıştır. Ön işleme aşaması için Daubechies dönüşümü ile Ayrık Dalgacık Dönüşümü (DWT) uygulanmıştır. İkinci aşamada, Yerel İkili Kalıp (LBP) ve Gri Seviye Eş-Oluşum Matrisi (GLCM) esas alınarak özellik çıkarma aşaması uygulanmıştır. Üçüncü adım, Öklid Uzaklığı ile sınıflandırma aşamasını içermektedir. Ayrıca, özellik seçimi yaklaşımı için Parçacık Sürüsü Optimizasyonu (PSO) uygulanarak aynı deneyler uygulanmıştır. Çalışmada birkaç sonuç gözlemlemiştir: DWT ve LBP'nin birlikte uygulandığı ilk deneylerde; eğitim kümesindeki görüntü sayısındaki artışla birlikte ORL veritabanında %82,50 tanıma oranı, YALE veritabanında ise %90 tanıma oranı elde edilmiştir. Bununla birlikte, PSO algoritmasının uygulanması durumunda, ORL veritabanı için doğruluk oranını %95'e ve YALE veritabanında doğruluk oranı %93'e kadar artmıştır.Master Thesis Bluetooth Sinyanlerinin Radyo Frekansı Parmak İzi Kontrolünde Dalgacık Ayrıştırma Kullanımı(2021) Al-mashaqbeh, Hemam; Dalveren, Yaser; Kara, AliBu tez, Bluetooth (BT) sinyallerine dayalı olarak cep telefonları gibi belirli cihazları tanımlamak için Radyo Frekansı Parmak izi (RFF) kontrolünü çıkarmak ve kullanmak için yeni bir Açık Sistem Bağlantısı (OSI) Fiziksel (PHY) katman şemasını ele almaktadır. İlk olarak, cep telefonlarından deneysel olarak toplanan BT geçici sinyallerinden parmak izi öznitelikleri çıkarılmıştır. Geçici Bluetooth sinyallerini analiz ettikten sonra, Bluetooth sinyallerini ayrıştırmak için Çift-Ağaç Karmaşık Dalgacık Dönüşümü (DT-CWT) kullanılmıştır. Hem zaman alanı (TD) hem de dalgacık alanı (WD) sinyallerinden öznitelik çıkarımı gerçekleştirilmiştir. Daha sonra sınıflandırma için destekçi vektör makinesi (SVM) sınıflandırıcısı kullanılmıştır. Daha sonra, zaman alanı (TD) ve dalgacık alanı (WD) BT sinyalleri için elde edilen sınıflandırma sonuçları karşılaştırılmıştır. Deneyler, düşük SNR (0 < SNR< 5 dB), orta SNR (5 < SNR < 15 dB), yüksek SNR (15 < SNR < 25 dB) ve çok yüksek gibi farklı SNR seviyeleri ile farklı geçici süreler altında gerçekleştirilmiştir. SNR (25 < SNR < 35 dB). Elde edilen sonuçlar, düşük SNR seviyelerinde kısa geçici sürelerle bile WD'de (en az %88) makul bir doğruluk elde etmenin mümkün olduğunu göstermektedir. TD BT sinyalleri için elde edilen sonuçlarla karşılaştırıldığında, WD BT sinyalleri için daha iyi algılama doğruluğu elde edildiği açıkça görülmektedir. Bu nedenle, DT-CWT kullanımının BT sinyallerinin RF parmak izini çıkarmada açıkça kullanılabileceği sonucuna varılmıştır.