Bilgisayar ve Bilişim Fakültesi Koleksiyonu

Permanent URI for this collectionhttps://hdl.handle.net/20.500.13091/10834

Browse

Now showing 1 - 20 of 230

The Effect of Balancing Process on Classifying Unbalancing Data Set
(2018) Jassim, Samara; Kaya, Ersin
Unbalanced data indicates a situation where the number of monitoring is not the same for all categories in the label data set. In some fields, unbalanced data problems are very common. Some of machine learning classifiers failed to deal with unbalanced training data sets because they are sensitive to the proportions of different classes. As a result, these algorithms tend to favor the class with the largest proportion of observations known as the majority class, which may lead to misleading accuracy. Most of data sets are unbalanced because most of the data collected over the diseases are usually not disease. These data when used in the classification algorithm it gave un-well results, the data sets used in the training process must be balanced to increase this success. In this article, (SMOTE) synthetic minority over-sampling technique is used on data sets. K-Nearest Neighbors (K-NN), and Naïve Bayes (NB) classification algorithms are applied to classify the balanced datasets and according to the obtained classification results the balanced data sets achieved a better classification success.
A Novel Multi-Swarm Approach for Numeric Optimization
(2018) Babalık, Ahmet
In order to solve the numeric optimization problems, swarm-based meta-heuristic algorithms can be used as an alternative to solve optimization problems. Meta-heuristic algorithms do not guarantee finding the optimal solution but they produce acceptable solutions in a reasonable computation time. By depending on the nature of the problems and the structure of the meta-heuristic algorithms, different results are obtained by different algorithms, and none of the meta-heuristic algorithm could guarantee to find the optimal solution. Particle swarm optimization (PSO) and artificial bee colony (ABC) algorithms are well known meta-heuristic algorithms often used for solving numeric optimization problems. In this study, a novel multi-swarm approach based on PSO and ABC algorithms is suggested. The proposed multi-swarm approach includes PSO and ABC algorithms together and replacing the swarm which achieves better solutions than the other algorithm in a pre-defined migration period. By this migration, swarm always include better solutions concerned to the algorithm which achieves better results. While running PSO and ABC algorithms competitively, this migration ensures to utilize better solutions of both the solutions of PSO or ABC algorithms, and the convergence characteristic of each algorithm provides different approximation to the solution space. Thus, it is expected to obtain successful solutions and increasing the success rate at each migration cycle. The suggested approach has been tested on 14 well-known benchmark functions, and the results of the study are compared with the results in literature. The experimental results and comparisons show that the proposed approach is better than the other algorithms.
Citation - WoS: 3
Application of Abm To Spectral Features for Emotion Recognition
(MEHRAN UNIV ENGINEERING & TECHNOLOGY, 2018) Demircan, Semiye; Örnek, Humar Kahramanlı
ER (Emotion Recognition) from speech signals has been among the attractive subjects lately. As known feature extraction and feature selection are most important process steps in ER from speech signals. The aim of present study is to select the most relevant spectral feature subset. The proposed method is based on feature selection with optimization algorithm among the features obtained from speech signals. Firstly, MFCC (Mel-Frequency Cepstrum Coefficients) were extracted from the EmoDB. Several statistical values as maximum, minimum, mean, standard deviation, skewness, kurtosis and median were obtained from MFCC. The next process of study was feature selection which was performed in two stages: In the first stage ABM (Agent-Based Modelling) that is hardly applied to this area was applied to actual features. In the second stageOpt-aiNET optimization algorithm was applied in order to choose the agent group giving the best classification success. The last process of the study is classification. ANN (Artificial Neural Network) and 10 cross-validations were used for classification and evaluation. A narrow comprehension with three emotions was performed in the application. As a result, it was seen that the classification accuracy was rising after applying proposed method. The method was shown promising performance with spectral features.
Statistical Feature Extraction and Ann Based Classification of Temporamandibular Joint Sounds
(2018) Taşkıran, Uğur; Taşkıran, Salimkan Fatma; Çunkaş, Mehmet
In this study, a statistical feature extraction method is used to classify the Temporomandibular Joint (TMJ) sound. Temporomandibular Disorder (TMD) is the problems arising from or related to disorder of TMJ which is commonly known as jaw bone joint. TMD is a recurrent disorder related to jaw joint and common problem among the population. In fact TMD is so frequent that more than two third of population have some kind and level of TMD. TMJ sound listening is the easiest and quickest diagnose methods used by the clinic dentists. In the study, statistical features of TMJ sounds are extracted. Then extracted statistical features are applied to ANN for training and testing. Mean classification success rate of 87% to 89% is obtained in the study.
Citation - WoS: 6
Citation - Scopus: 9
Ağaç-tohum Algoritmasının Cuda Destekli Grafik İşlem Birimi Üzerinde Paralel Uygulaması
(2018) Çınar, Ahmet Cevahir; Kıran, Mustafa Servet
Son yıllarda toplanan verinin artmasıyla birlikte verimli hesaplama yöntemlerinin de geliştirilmesi ihtiyacı artmaktadır. Çoğunlukla gerçek dünya problemlerinin zor olması sebebiyle optimal çözümü garanti etmese dahi makul zamanda yakın optimal çözümü garanti edebilen sürü zekâsı veya evrimsel hesaplama yöntemlerine olan ilgi de artmaktadır. Diğer bir açıdan seri hesaplama yöntemlerinde verinin veya işlemin paralelleştirilebileceği durumlarda paralel algoritmaların da geliştirilmesi ihtiyacı ortaya çıkmıştır. Bu çalışmada literatüre son yıllarda kazandırılmış olan popülasyon tabanlı ağaç-tohum algoritması ele alınmış ve CUDA platformu içerisinde paralel versiyonu geliştirilmiştir. Algoritmanın paralel versiyonunun performansı kıyas fonksiyonları üzerinde analiz edilmiş ve seri versiyonunun performansı ile karşılaştırılmıştır. Kıyas fonksiyonlarında problem boyutluluğu 10 olarak alınmış ve farklı popülasyon ve blok sayıları altında performans analizi yapılmıştır. Deneysel çalışmalar algoritmanın paralel versiyonunun algoritmanın seri sürümüne göre bazı problemler için 184,65 kata performans artışı sağladığı görülmüştür.
A Modified Artificial Algae Algorithm for Large Scale Global Optimization Problems
(2018) Uymaz, Sait Ali; Koçer, Havva Gül
Optimization technology is used to accelerate decision-making processes and to increase the quality of decision making inmanagement and engineering problems. The development technology has made real world problems large and complex. Many optimizationmethods that proposed for solving large-scale global optimization (LSGO) problems suffer from the “curse of dimensionality”, whichimplies that their performance deteriorates quickly as the dimensionality of the search space increases. Therefore, more efficient and robustalgorithms are needed. When literature on large-scale optimization problems is examined, it is seen that algorithms with effective globalsearch ability have better results. For the purpose, in this paper Modified Artificial Algae Algorithm (MAAA) is proposed by modifyingoriginal version of Artificial Algae Algorithm (AAA) inspiring by Differential Evolution Algorithm (DE)’s mutation strategies. AAA andMAAA are compared with each other by operating with the first 10 benchmark functions of CEC2010 Special Session on Large ScaleGlobal Optimization. The results show that hybridization process that applied by updating an additional fourth dimension with mutationstrategies of DE after the helical motion of the AAA algorithm, contributes exploration phase and improves the AAA performance onLSGO.
Citation - WoS: 2
Citation - Scopus: 3
A New Approach To Mobile Robot Navigation in Unknown Environments
(IEEE, 2018) Abafogi, Motuma; Durdu, Akif; Akdemir, Bayram
Several algorithms have been developed to help guide mobile robots in unknown environments. Various kinds of Bug algorithms are available and each one these algorithms has an advantage over the others under different circumstances. This paper introduces a new approach, the Diligent-Bug (D-Bug) algorithm, which is developed to enable a collision free navigation of robots in an unknown 2-dimensional environment. Static obstacles of arbitrary shapes have been considered to evaluate the developed algorithm. This algorithm also enables robots to avoid getting stuck in both local and global loops.
Comparative Study on Automatic Speech Recognition
(2018) Mahmood, A.; Kaya, Ersin
Speech is a tools used as a means of communication between society. Along with the developing technology, various methods have been proposed to enable people to communicate and interact with the machines. In this study, Mel Frequency Cepstral Coefficients and Pitch Feature were obtained from the data set consisting of ten classes with different speakers. The obtained features were compared with classification achievements using k-Nearest Neighbor (KNN), Decision Tree (DT) and Quadratic Discriminant Analysis (QDA) classifiers. Furthermore, sensitivity of classifiers used with different numbers of training data is presented.
Citation - Scopus: 1
The Performance Analysis of Extreme Learning Machines on Odour Recognition
(ASSOC COMPUTING MACHINERY, 2018) Eşme, Engin; Kıran, Mustafa Servet
Extreme Learning Machine (ELM) is a single hidden layer feed-forward neural network learning method, which has a high generalization performance as well as faster. In this paper, odour data is discriminated based on the sensor response curve by using ELM, and the main objective is to investigate the optimum number of nodes in the hidden layer of ELM for olfactory detection. The relationship between the number of nodes in the hidden layer and the number of attributes or classes of dataset is queried to achieve the goal. Three odour datasets taken from different sources in literature and two transfer functions for the ELM are used to verify the results of the study. The backpropagation (BP) algorithm is also used for training an artificial neural network for comparison purposes. The analysis is performed for the three datasets by using ELM and BP and obtained results present that the time consumption of ELM is too small to be compared with BP even though the number of nodes is high and better accuracy rates are obtained by ELM.
TÜRKİYE'DE ENERJİ TALEBİNİ TAHMİN ETMEK İÇİN DOĞRUSAL FORM KULLANARAK GSA (YERÇEKİMİ ARAMA ALGORİTMASI) VE IWO (YABANİ OT OPTİMİZASYON ALGORİTMASI) TEKNİKLERİNİN UYGULANMASI
(2018) Koç, İsmail; Nureddin, Refik; Kahramanlı, Humar
Bu çalışma, Türkiye'deki ekonomik göstergelere dayalı enerji talep tahmini ile ilgilidir. Enerji talebini tahmin etmek için Yerçekimi Arama Algoritması (GSA) ve Yabani Ot Algoritması (IWO) tekniklerine dayanan iki farklı model önerilmektedir. GSA yöntemi, Newton’un hareket ve yerçekimi kanunlarından esinlenerek geliştirilmiş sezgisel optimizasyon algoritmasıdır. IWO algoritması ise doğadaki yabani otların istilacı karakterlerinden esinlenen, evrimsel bir optimizasyon algoritmasıdır. GSA ve IWO yöntemlerine dayalı enerji talep modelleri, gayri safi yurtiçi hâsıla (GSYİH), nüfus, ithalat ve ihracat verilerini giriş parametresi şeklinde kullanan bir model olarak önerilmektedir. Önerilen yöntemler doğrusal regresyon modeli kullanılarak geliştirilmiştir. Türkiye’nin gelecekteki enerji talebi ise üç farklı senaryo altında tahmin edilmektedir. Önerilen tahmin modellerinden elde edilen deneysel sonuçlar karşılaştırmalı olarak verilmiştir. 1979 ve 2005 yılları arasındaki veriler kullanılarak gerçekleştirilen tahmin modelinde IWO literatürdeki diğer yöntemlerle de kıyaslanmış ve IWO yöntemi en yüksek performansı verdiği görülmüştür. 1979 ve 2011 yılları arasındaki tüm veri seti kullanılarak gerçekleştirilen tahmin modelinde ise GSA, IWO yöntemiyle karşılaştırılmış ve GSA daha iyi bir performans elde etmiştir.
Citation - WoS: 31
Citation - Scopus: 34
A New Method for Automatic Counting of Ovarian Follicles on Whole Slide Histological Images Based on Convolutional Neural Network
(PERGAMON-ELSEVIER SCIENCE LTD, 2019) İnik, Özkan; Ceyhan, Ayşe; Balcıoğlu, Esra; Ülker, Erkan
The ovary is a complex endocrine organ that shows significant structural and functional changes in the female reproductive system over recurrent cycles. There are different types of follicles in the ovarian tissue. The reproductive potential of each individual depends on the numbers of these follicles. However, genetic mutations, toxins, and some specific drugs have an effect on follicles. To determine these effects, it is of great importance to count the follicles. The number of follicles in the ovary is usually counted manually by experts, which is a tedious, time-consuming and intense process. In some cases, the experts count the follicles in a subjective way due to their knowledge. In this study, for the first time, a method has been proposed for automatically counting the follicles of ovarian tissue. Our method primarily involves filter-based segmentation applied to whole slide histological images, based on a convolutional neural network (CNN). A new method is also proposed to eliminate the noise that occurs after the segmentation process and to determine the boundaries of the follicles. Finally, the follicles whose boundaries are determined are classified. To evaluate its performance, the results of the proposed method were compared with those obtained by two different experts and the results of the Faster R-CNN model. The number of follicles obtained by the proposed method was very close to the number of follicles counted by the experts. It was also found that the proposed method was much more successful than the Faster R-CNN model.
Renkli Görüntülerin Uzamsal Alanda Zenginleştirilmesi
(Konya Teknik Üniversitesi, 2019) Babadağ, Aybüke; Baykan, Ömer Kaan
Sayısal görüntü işleme uygulamalarında, görüntülerdeki belirsiz detayların daha açık hale getirilmesi ve istenilen özelliklerin vurgulanması amacıyla görüntü zenginleştirme algoritmaları sıklıkla kullanılmaktadır. Bu tez çalışmasında düşük kontrasta sahip renkli görüntülerin kontrastlarının, görüntüde herhangi bir yapay görünüme sebep olmadan zenginleştirilmesi hedeflenmiştir. Çalışmada görüntü zenginleştirme, bir optimizasyon problemi olarak ele alınmıştır. Günlük hayatta karşılaşılan optimizasyon problemlerinin çözümünde başarılı sonuçlar vermesi sebebiyle, metasezgisel algoritmalar tercih edilmiştir. Ayrıca, gerçek hayat problemlerinde genellikle birden fazla amacın olması sebebiyle, çok amaçlı optimizasyon algoritmalarından da faydalanılmıştır. Bu çalışmada düşük kontrastlı renkli görüntülerin kontrastları, tek ve çok amaçlı yapay arı kolonisi algoritması, parçacık sürü optimizasyonu algoritması ve genetik algoritmadan faydalanılarak zenginleştirilmiştir. Çalışmada sekiz adet renkli standart test görüntüsü kullanılmıştır. Çalışmada kullanılan algoritmalar test görüntülerine uygulandıktan sonra elde edilen sonuçlar; pik sinyal gürültü oranı, yapısal benzerlik indeksi, kontrast geliştirme indeksi ve renk zenginleştirme faktörü kalite metrikleriyle değerlendirilmiştir. Böylece görüntü zenginleştirme işleminde tek ve çok amaçlı optimizasyon uygulamalarının etkisi gözlemlenmiştir. Elde edilen sonuçların sayısal ve görsel değerlendirilmeleri neticesinde, çalışmada kullanılan tek ve çok amaçlı algoritmalarla, görüntülerde yapay görünüme sebebiyet vermeden kontrastlarının zenginleştirildiği gözlemlenmiştir.
Comparison of Meta-Heuristic Algorithms on Benchmark Functions
(2019) Arıcı Ferda Nur; Kaya, Ersin
Optimization is a process to search the most suitable solution for a problem within an acceptable time interval. The algorithms that solve the optimization problems are called as optimization algorithms. In the literature, there are many optimization algorithms with different characteristics. The optimization algorithms can exhibit different behaviors depending on the size, characteristics and complexity of the optimization problem. In this study, six well-known population based optimization algorithms (artificial algae algorithm - AAA, artificial bee colony algorithm - ABC, differential evolution algorithm - DE, genetic algorithm - GA, gravitational search algorithm - GSA and particle swarm optimization - PSO) were used. These six algorithms were performed on the CEC’17 test functions. According to the experimental results, the algorithms were compared and performances of the algorithms were evaluated.
Optimal Coverage of Wireless Sensor Networks Based on Artificial Algae Algorithm (aaa)
(2019) Jaber Wakass Saad; Kaya, Ersin
In the past few years, the demand for wireless sensor networks has increased significantly due to its small size, low cost and high efficiency. It has been used in many applications and in multiple fields. Owing to the everincreasing number of applications using the wireless sensor network, it was necessary to find solutions to the problems and challenges faced by the wireless sensor network. One of the important challenges faced by Wireless Network Sensor is coverage. The nodes bear the actual liability to cover the pre-defined region. That's means the sensor nodes is placed in such a way as to achieve the maximal coverage of the area. Artificial alga algorithm (AAA), which is a very effective optimization method, has been used to find the suitable solutions for the coverage problem. The results were compared with the results of three algorithms (Artificial bee colony algorithm (ABC), particle swarm optimization algorithm (PSO) & Differential evolution Algorithm (DE)) to address the coverage problem. AAA proved to be more effective in solving the coverage problem. The simulation of the algorithms is performed by MATLAB and the results are analyzed to show the effectiveness of the proposed algorithm.
A Comparative Application Regarding the Effects of Traveling Salesman Problem on Logistics Costs
(2019) Dündar, Abdullah Oktay; Şahman, Mehmet Akif; Tekin, Mahmut; Kıran, Mustafa Servet
The necessity of transporting goods from production facilities to buyers requires every company to manage logistics. While the quantity of products ordered has been decreasing in recent years, the number of orders has been increasing. This situation leads to higher logistics costs and more attempts to control logistics costs by business managers. One way to decrease logistics costs is the optimization of traveled distances. The Traveling Salesman Problem (TSP) attempts to optimize travel distances by changing the order of the locations to be visited. By doing so, it reduces the logistics costs associated with travel distances. However, there are also some parameters of logistics costs that are not related to travel distances. This paper examines the effects of optimization results by TSP on logistics costs, using seven different methods to consider a real logistics problem, and comparing the results. Then it discusses the variation in logistics costs due to TSP.
İkili Optimizasyon Problemlerinin Çözümü için Yapay Alg Algoritması Tabanlı Yeni Yaklaşımlar
(Konya Teknik Üniversitesi, 2019) Korkmaz, Sedat; Kıran, Mustafa Servet
Son yıllarda optimizasyon problemlerinin çözümü için birçok yeni algoritma önerilmiştir. Bu algoritmalar genellikle doğadaki canlıların bireysel davranış şekillerinden, içgüdüsel hareketlerinden ve birbirleri ile aralarındaki akıllı etkileşimlerinden esinlenilerek geliştirilmişlerdir. Önerilen algoritmalar genellikle belirli bir problem çeşidine veya karakteristiğine sahip problemleri çözecek şekilde tasarlanmaktadır. Daha sonra yapılan çeşitli iyileştirmeler ve geliştirmeler neticesinde yönteme farklı karakteristikteki problemleri de çözebilme yeteneği kazandırılmaktadır. Örneğin, sürekli optimizasyon problemlerini (karar değişkenleri belirli bir aralıktaki tüm değerleri alabilen problemler) çözmek için önerilmiş bir algoritma, ikili optimizasyon problemlerini (karar değişkenleri sadece 0 yada 1 değerlerini alabilen problemler) çözecek şekilde geliştirilebilir. Bu tez kapsamında, karar değişkenleri sürekli değerler alan problemler için, doğada var olan mikroalglerin davranışlarından ilham alınarak geliştirilen Yapay Alg Algoritması (AAA) yeni ve özgün yöntemler geliştirilerek ikili optimizasyon problemlerini çözebilecek şekilde iyileştirilmiştir. Bu bağlamda 3 (üç) adet yeni ve özgün yöntem geliştirilmiştir. Önerilen ilk yöntemde, popülasyondaki alg kolonileri ikili değerler ile ilklendirilerek yeni aday çözümlerin elde edilebilmesi için helisel hareket fazı, ikili değerler ile çalışabilecek şekilde yeniden uyarlanmıştır. Helisel hareket fazında, seçilen komşu çözümün rastgele belirlenmiş üç adet boyutunun değerleri, belirli bir olasılığa bağlı olarak mantıksal değil (not) işlemine tabi tutularak aday çözüme kopyalanmaktadır. Geliştirilen binAAA yönteminde adaptasyon parametresi hem adaptasyon sürecinin işletilip işletilmemesine karar vermek için, hem de bu süreçte etkilenecek boyutların belirlenmesi için kullanılmıştır. Önerilen binAAA yöntemi Kapasitesiz Tesis Yerleşim Problemleri (Uncapacitated Facility Location Problems-UFLP) üzerinde çalıştırılmış ve elde edilen sonuçlar binABC, BPSO, GA, DisABC, IBPSO ve ABCbin algoritmalarının sonuçlarıyla karşılaştırılmıştır. binAAA yöntemi, ayrık çözüm uzayında çalışması, hem yerel (local) hem de küresel (global) aramada yetenekli bir arama stratejisine sahip olması nedeni ile ikili optimizasyon problemlerini çözme konusunda, karşılaştırılan diğer yöntemler ile eşit veya daha iyi sonuçlar üretmektedir. Önerilen ikinci yöntem, yeni aday çözümler üretebilmek için iki farklı güncelleme mekanizması barındırmaktadır. Bu mekanizmanın ilki, lojik özel veya (xor) operatörü kullanarak aday çözümler üretirken, ikinci mekanizmada ise ilk mekanizmadan edinilen bilgi kullanılarak stigmerjik (stigmergic) davranış temelinde yeni çözümler üretilmektedir. Önerilen SAAA (Stigmerjik AAA) yönteminde başlangıç çözümleri ikili değerler ile ilklendirilmekte, adaptasyon parametresi hem adaptasyon sürecinin işletilip işletilmemesine karar vermek için, hem de bu süreçte etkilenecek boyutların belirlenmesi için kullanılmıştır. SAAA yönteminin performansı hem UFLP hem de nümerik fonksiyonlar üzerinde araştırılmıştır. UFLP seti üzerinde, BAAA yönteminin 2 farklı versiyonu, GA yöntemin 3 farklı versiyonu ve BPSO yöntemi ile kıyaslanmıştır. İkinci karşılaştırma için ise CEC2015 (bound constrained single-objective computationally expensive numerical optimization problems) test seti kullanılmış ve önerilen yöntemin performansının değerlendirilebilmesi için SBHS, HS, BLDE, BHTPSO-QI, GBABC, BQIGSA ve SabDE yöntemleri ile kıyaslanmıştır. Bütün sonuçlar genel olarak incelendiğinde, önerilen algoritma sadece düşük boyutlu problemlerde değil, aynı zamanda yüksek boyutlu problemler için de dengeli bir keşif ve sömürü kabiliyeti sunmaktadır. Ayrıca önerilen algoritmanın, çözüm kalitesi, yakınsama özellikleri ve sağlamlık açısından araştırmada ele alınan ikili optimizasyon problemlerini çözmede etkili ve verimli bir algoritma olduğu görülmektedir. Tez çalışmasında PI-AAA (Popülasyon Etkili AAA) ismi ile önerilen üçüncü yöntemde de ilklendirme ikili değerler ile yapılmaktadır. Yeni ikili aday çözümlerin üretilebilmesi için popülasyon etkisi (population influence) yaklaşımı sunulmuş ve bu yaklaşım AAA'nın çalışmasıyla bütünleştirilmiştir. PI-AAA yönteminde, aday çözümler üretebilmek için, mevcut çözüm, en iyi çözüm ve alg kolonilerinden rastgele seçilen komşu çözümler kullanılmaktadır. Bu çözümler ile yapılan olasılık hesaplamaları neticesinde yeni aday çözümler üretilmektedir. Olasılık değerleri PI-AAA algoritmasına yönteme özgü kontrol parametresi olarak tanımlanmıştır. Önerilen yöntemin performansı için kontrol parametrelerinin değerlerinin önemli olması nedeniyle, parametrelerin etkileri analiz edilmiş ve bu parametreler için en uygun değerin belirlenmesi amaçlanmıştır. Temel AAA'daki adaptasyon aşaması, karar değişkenleri ikili değerler alan bireyler ile çalışabilmesi için yeniden uyarlanmıştır. Önerilen PI-AAA yönteminin performansı, ilk olarak UFLP seti üzerinde ABC, GA, PSO, EDA algoritmaları ile karşılaştırılmıştır. PI-AAA yönteminin etkinliğini kanıtlamak adına yapılan ikinci karşılaştırma CEC2015 problem seti üzerinde gerçekleştirilmiştir. Elde edilen sonuçlar, önerilen PI-AAA'nın karşılaştırmalarda daha iyi veya eşit performans gösterdiğini ve önerilen yaklaşımın rekabetçi bir ikili optimizasyon algoritması olduğunu göstermektedir. Sonuç olarak bu tez kapsamında, ikili optimizasyon problemlerini çözmek için AAA yöntemi temel alınarak binAAA, SAAA ve PI-AAA isimleri ile 3 (üç) adet yeni ikili optimizasyon algoritması geliştirilmiştir. Deneysel çalışmalardan elde edilen sonuçlar incelendiğinde, önerilen yöntemler çözüm kalitesi, standart sapma ve yakınsama özellikleri açısından ikili optimizasyon problemlerini çözmede alternatif, rekabetçi ve sağlam oldukları görülmektedir. Bu bağlamda bu tez ile literatüre ikili optimizasyon alanında bir katkı sağlanmıştır.
Citation - WoS: 25
Citation - Scopus: 36
Through-Wall Radar Classification of Human Posture Using Convolutional Neural Networks
(HINDAWI LTD, 2019) Kılıç, Alper; Babaoğlu, İsmail; Babalık, Ahmet; Arslan, Ahmet
Through-wall detection and classification are highly desirable for surveillance, security, and military applications in areas that cannot be sensed using conventional measures. In the domain of these applications, a key challenge is an ability not only to sense the presence of individuals behind the wall but also to classify their actions and postures. Researchers have applied ultrawideband (UWB) radars to penetrate wall materials and make intelligent decisions about the contents of rooms and buildings. As a form of UWB radar, stepped frequency continuous wave (SFCW) radars have been preferred due to their advantages. On the other hand, the success of classification with deep learning methods in different problems is remarkable. Since the radar signals contain valuable information about the objects behind the wall, the use of deep learning techniques for classification purposes will give a different direction to the research. This paper focuses on the classification of the human posture behind the wall using through-wall radar signals and a convolutional neural network (CNN). The SFCW radar is used to collect radar signals reflected from the human target behind the wall. These signals are employed to classify the presence of the human and the human posture whether he/she is standing or sitting by using CNN. The proposed approach achieves remarkable and successful results without the need for detailed preprocessing operations and long-term data used in the traditional approaches.
Özellik Modelleri için Bulanık İntegral Operatörü
(Konya Teknik Üniversitesi, 2019) Kılıç, Alper; Arslan, Ahmet
Özellik modelleri son yıllarda yazılım ürün hatlarının modellenmesi ve ürün varyantlarının sistem üzerindeki etkilerinin gösterilmesi amacıyla kullanılan yöntemlerin başında gelmektedir. Bulanık integral de farklı seçeneklerin farklı öncelik ve kriterlere sahip varyantların değerlendirilmesi için kullanılabilecek etkin bir hesaplama yöntemi olarak değerlendirilmektedir. Bu tez çalışmasında duvar arkası canlı tespit, görüntüleme ve sınıflandırma amacı ile ultra geniş bant radar sistemin özellik modeli oluşturulmuş, farklı kriterlere ve önceliklere sahip sistem varyantları bulanık integral yöntemi ile değerlendirilerek oluşturulan radar sisteminin sınıflandırma amacı ile kullanılması ele alınmıştır. Sınıflandırma metodu olarak derin öğrenme yöntemlerinden olan evrişimsel sinir ağları kullanılmış ve başarılı sonuçlar elde edilmiştir.
Citation - WoS: 11
Citation - Scopus: 13
Boosting Galactic Swarm Optimization With Abc
(SPRINGER HEIDELBERG, 2019) Kaya, Ersin; Uymaz, Sait Ali; Koçer, Barış
Galactic swarm optimization (GSO) is a new global metaheuristic optimization algorithm. It manages multiple sub-populations to explore search space efficiently. Then superswarm is recruited from the best-found solutions. Actually, GSO is a framework. In this framework, search method in both sub-population and superswarm can be selected differently. In the original work, particle swarm optimization is used as the search method in both phases. In this work, performance of the state of the art and well known methods are tested under GSO framework. Experiments show that performance of artificial bee colony algorithm under the GSO framework is the best among the other algorithms both under GSO framework and original algorithms.
Citation - WoS: 9
Citation - Scopus: 10
A Novel Candidate Solution Generation Strategy for Fruit Fly Optimizer
(IEEE-INST ELECTRICAL ELECTRONICS ENGINEERS INC, 2019) İşcan, Hazım; Kıran, Mustafa Servet; Gündüz, Mesut
Fruit fly optimization algorithm (FOA) is one of the swarm intelligence algorithms proposed for solving continuous optimization problems. In the basic FOA, the best solution is always taken into consideration by the other artificial fruit flies when solving the problem. This behavior of FOA causes getting trap into local minima because the whole population become very similar to each other and the best solution in the population during the search. Moreover, the basic FOA searches the positive side of solution space of the optimization problem. In order to overcome these issues, this study presents two novel versions of FOA, pFOA_v1 and pFOA_v2 for short, that take into account not only the best solutions but also the worst solutions during the search. Therefore, the proposed approaches aim to improve the FOA's performance in solving continuous optimizations by removing these disadvantages. In order to investigate the performance of the novel proposed FOA versions, 21 well-known numeric benchmark functions are considered in the experiments. The obtained experimental results of pFOA versions have been compared with the basic FOA, SFOA which is an improved version of basic FOA, SPSO2011 which is one of the latest versions of particle swarm optimization, firefly algorithm called FA, tree seed algorithm TSA for short, cuckoo search algorithm briefly CS, and a new optimization algorithm JAYA. The experimental results and comparisons show that the proposed versions of FOA are better than the basic FOA and SFOA, and produce comparable and competitive results for the continuous optimization problems.

Browse

Browsing Bilgisayar ve Bilişim Fakültesi Koleksiyonu by Issue Date