05. Fakülteler

Permanent URI for this communityhttps://hdl.handle.net/20.500.13091/6

Browse

Now showing 1 - 13 of 13

3d Lidar Nokta Bulutu İşlemede Sınır Gözetimli Voksel Tabanlı Bir Segmentasyon Yöntemi Geliştirilmesi
(Konya Teknik Üniversitesi, 2020) Sağlam, Ali; Baykan, Nurdan
İç ve dış mekânlarda bulunan yapı ve nesneler Lidar (ışık algılayan ve mesafe ölçen) sistemler ile taranarak nokta bulutu halinde, üç boyutlu (3D) ve renkli olarak dijital ortamlara aktarılabilmektedir. Lidar taramasıyla elde edilen, yapı ve nesneler hakkında detaylı bilgi sağlayan bu 3D nokta bulutu verisinin elemanları olan noktalar, organize edilmiş bir veri yapısı içerisinde konumlandırılmamış olarak düzensiz bir şekilde gelmektedir. Günümüzde Lidar teknolojisindeki gelişmeler, nokta bulutu verilerinin kalitesini artırmasının (daha az konum hatası ve daha yüksek çözünürlüklü olarak) yanında, çok yüksek miktarlarda düzensiz veri yığınını da getirmiştir. Çok yüksek boyuttaki bir veriden benzer özellikteki ve konumsal yakınlığı olan verileri gruplayarak, işlenecek veri sayısını düşürmekle birlikte veriden daha anlamlı bilgiler çıkarılmasını da sağlayan işleme segmentasyon denilmektedir. Segmentasyon, 3D nokta bulutu işlemeyi de kapsayan bilgisayarlı görme alanında büyük miktarda veri ile uğraşmayı gerektiren uygulamalar için oldukça yüksek bir öneme sahiptir. Segmentasyon işleminin de karmaşık veriler üzerinde istenilen özelliklerde ve sürede sonuç vermesi, bilgisayarlı görme alanında ayrı bir uğraş konusu olmuştur. Tez çalışmasında, 3D nokta bulutu işlemede, uygulamanın başarısını önemli oranda etkileyen segmentasyon işleminin daha başarılı ve hızlı bir şekilde yapılabilmesi için yeni bir voksel tabanlı segmentasyon yöntemi geliştirilmiştir. Geliştirilen yöntem, yüzeylerdeki lokal nokta gruplarının oluşturdukları düzlemsel yapıların eğim açıları ve ağırlık merkezleri gibi basit geometrik özelliklerini kullanarak segmentasyon işlemini gerçekleştirebilmiştir. Tez kapsamında, literatürde kullanılan veri setlerinin özellikleri dikkate alınarak, benzer şekilde bir adet iç ve iki adet dış mekânsal ortam, bir karasal Lidar sistemi ile taranarak üç farklı 3D nokta bulutu verisi temin edilmiştir. Elde edilen ham nokta verileri, oluşturulan veri setinin kullanım amacına göre indirgeme, kırpma ve gürültü giderme gibi ön işlemlerden geçirildikten sonra, segmentasyon referans segmentleri de hazırlanarak üç adet veri seti oluşturulmuştur. Tez kapsamında hazırlanan veri setlerine ek olarak, literatürden de iki adet daha segmentasyon veri seti temin edilmiş ve böylece toplam beş adet veri seti segmentasyon karşılaştırmasında kullanılmıştır. Veri setlerinin temin edilmesinin ardından, yöntemlerin nicel değerler üzerinden karşılaştırması aşamasına kadar olan geliştirme ve iyileştirme aşamaları iki ayrı koldan eş zamanlı olarak ilerlemiştir. Bunlardan birisi sekiz dallı ağaç (octree) organizasyonu ile veriyi vokselleme tekniğinin, düzlem özelliği göstermeyen vokseller için yeniden düzlem uydurma ön işleminin ve geliştirilen segmentasyon yönteminin kodlanması aşamalarıdır. Diğeri ise karşılaştırma için literatürde başarı göstermiş segmentasyon yöntemlerinin belirlenmesi, bunların temin edilmesi veya yeniden kodlanması ve nicel karşılaştırma için doğruluk ve F1 skor değerleri hesaplama yöntemlerinin kodlanması aşamalarıdır. Bütün bu geliştirme, iyileştirme ve kodlama aşamaları tamamlandıktan sonra uygulanan yöntemlerin tez kapsamında kullanılan veri setleri üzerindeki segmentasyon çıktılarının doğruluk ve F1 skor sonuçları alınarak, başarı ve çalışma süresi açısından karşılaştırma analizleri yapılmıştır. Geliştirilen yöntem, 0.81 ortalama doğruluk değeri ve 0.69 ortalama F1 skor değeri ile literatürde bulunan ve benzer şekilde noktaların geometrik özelliklerini kullanarak segmentasyon yapan diğer yöntemlere göre segmentasyon başarısı ve hız açısından üstünlük elde etmiştir. Tez kapsamında ayrıca, nokta bulutundaki noktaların renk değerlerinin farklılıkları da belirli etki oranlarında segmentasyona dâhil edilmiş ve renk kalitesi yüksek iç mekân verisinde başarı arttırılmıştır. Tez kapsamında daha sonra, geliştirilen yöntemin farklı parametre değerleri ile literatürden alınan yüksek miktarda noktadan oluşan bir iç mekân anlamsal segmentasyon (semantic segmentation) veri seti (S3DIS) üzerindeki ham nokta bulutu sınıflandırmasında ara işlem olarak kullanımı da incelenmiştir. Sınıflandırma işlemi için, öncelikle geliştirilen yöntemle segmentasyon yapılarak veri segmentlere ayrılmış ve her segmentten bir özellik vektörü çıkarılmıştır. Daha sonra da, bu özellik vektörleri kullanılarak sınıflandırma yapılmıştır. Segmentasyon tabanlı sınıflandırma işlemi, Destek Vektör Makinesi (DVM) ve Rastgele Orman (RO) olarak iki farklı sınıflandırıcı ile ayrı ayrı uygulanmıştır. Sınıflandırma işlemlerinin sonuçları da noktaların sınıf etiketlerinin doğruluk ve F1 skor değerleri üzerinden karşılaştırılmıştır. Karşılaştırma sonuçlarına göre, ham nokta bulutundaki noktaların sınıflandırma başarıları DVM için 0.76 doğruluk ve 0.48 F1 skor iken RO için 0.83 doğruluk ve 0.70 F1 skor olmuştur. Sonuçlara bakıldığında kullanılan veri ve özellik setlerine göre RO sınıflandırıcısı DVM sınıflandırıcısından daha iyi sonuç vermiştir.
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.
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.
Arazi Toplulaştırma Çalışmasında Çok Amaçlı Optimizasyon Tabanlı Dağıtım
(Konya Teknik Üniversitesi, 2020) Ortaçay, Zeynep; Uğuz, Harun
Gerçek hayatta karşılaştığımız problemlerin bir çoğu optimizasyon gerektiren problemlerdir. Bu problemlerin bazıları tek bir hedefe bazıları ise birden fazla hedefe sahiptirler. Tek hedefe sahip problemler tek amaçlı optimizasyon algoritmaları denilen yöntemlerle çözülürler fakat birden fazla hedefi olan problemler bu yöntemlerle çözülmesi zordur. Bu problemler için çok amaçlı optimizasyon algoritmaları olarak adlandırılan yöntemler kullanılmaktadır. Arazi Toplulaştırma (AT) çalışmaları küçük ve dağınık olarak bulunan parsellerin büyük ve bir arada verilmesini amaçlayan bir çalışmadır. AT çalışmasının adımlarından olan Dağıtım aşamasında birden fazla kriter olmasından dolayı çok amaçlı optimizasyon problemi olarak tanımlanır. Bu problemin çözümü için PESA-II, NSGA-II ve Önerilen Hibrit NSGA-II algoritmaları kullanılmıştır. Elde edilen sonuçlar literatürdeki sonuçlar ile karşılaştırılmıştır. Elde edilen sonuçlara göre çok amaçlı optimizasyon algoritmalarının başarılı değerler elde ettiği görülmüştür
Doğal Dil İşleme ile Akademik Metinlerin Kümelenmesi
(Konya Teknik Üniversitesi, 2021) Taşkıran, Salimkan Fatma; Kaya, Ersin
Günümüzde ulaşımı kolay hale gelen verilerin verimli bir şekilde kullanılabilmesi için verileri ihtiyaç duyulan özelliklerine göre kategorize etmek gerekmektedir. Akademik alanda araştırma yaparken ise genellikle makale, bildiri veya tez çalışmaları gibi metin tabanlı veriler kullanılır. Kısa sürede ihtiyaç duyulan bilgiye ulaşılması için bu verilerin kategorize edilmesi büyük kolaylık sağlar. Metin tabanlı verilerin kategorizasyonu için doğal dil işleme ve makine öğrenmesi yöntemleri bir arada kullanılır. Doğal dil işleme, insanların kullandığı diller (doğal dil) ve bilgisayarlar arasındaki etkileşimi ele alan bir dilbilim, yapay zekâ ve bilgisayar bilimleri alanıdır, doğal dil metinlerinin ve konuşmaların anlanması, analiz ve manipüle edilmesinde bilgisayarların kullanımını inceler. Bu tez çalışmasında doğal dil işleme teknikleri ile akademik metinler üzerinde kümeleme yapılmıştır. Frekans tabanlı ve yapay sinir ağı tabanlı metin temsil yöntemleri kullanılarak farklı kümeleme algoritmalarından alınan sonuçlar karşılaştırılımış ve analiz edilmiştir.
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.
İmar Uygulamalarında Dağıtım ve Parselasyon İşlemlerinin Yapay Zeka Optimizasyon Algoritmaları Kullanılarak Gerçekleştirilmesi
(Konya Teknik Üniversitesi, 2020) Koç, İsmail; Babaoğlu, İsmail
İmar uygulamalarındaki dağıtım ve parselasyon (LR – Land redistribution and readjustment) problemleri, birçok farklı kriterleri içerisinde barındıran karmaşık ve zor gerçek dünya problemleridir. Bu problemlerin çözülebilmesi için öncelikle ön parselasyon işlemlerinin başarıyla gerçekleştirilmesi gerekmektedir. Problemin çözümü için oluşturulan başlangıç popülasyonunda rastgele aday çözüm üretilirken veya çözümler üzerinde değişiklik yapılırken her aşamada parsellerin alanı güncellenmekte ve buna bağlı olarak da her bir parselin konumunun bir başka deyişle sınır noktalarının yeniden güncellenmesi gerekmektedir. Bu tez çalışmasında, imar mevzuatı ve örnek bir imar planı dikkate alınarak, Konya'nın bir bölgesi üzerinde ön parselasyon işlemi üç farklı şekilde otomatik olarak gerçekleştirilmektedir. Birincisi kenar uzunluklarına göre parselasyon, ikincisi alan değerlerine göre parselasyon ve üçüncüsü hem kenar hem de alan değerleri birlikte kullanılarak gerçekleştirilen parselasyon. Tüm bu parselasyon işlemleri için parselin alanı Gauss yöntemi kullanılarak hesaplanmaktadır. Ayrıca parselasyon işlemlerinde her bir parselin kenar noktalarını doğru bir şekilde belirlemek ve alanını hesaplamak için tüm yöntemlerde ikili arama tekniği kullanılmaktadır. Deneysel sonuçlar, ön parselasyon işlemlerinin çok hızlı ve başarılı bir şekilde gerçekleştirildiğini göstermektedir. LR problemleri yapısı itibariyle çizelgeleme ve gezgin satıcı problemlerine benzerlik gösteren ayrık optimizasyon problemleridir. Ayrıca bu problemler eş zamanlı olarak çözülmesi gereken çok fazla kritere sahiptir. Bundan dolayı bu problemlerin çözümü klasik yöntemler yerine yapay zeka optimizasyon algoritmaları gerektirmektedir. Bu problemleri çözmek için ilk olarak, algoritmaların doğru karar vermesini ve aday çözümler arasında çözümleri objektif olarak değerlendirilmesini sağlayacak bir amaç fonksiyona ihtiyaç duyulmaktadır. LR problemlerinin çözümünde temel kıstas olacak bu amaç fonksiyon sayesinde, dağıtım ve parselasyon planlarının kalitesi herhangi bir uzmana ihtiyaç duyulmadan değerlendirilebilmesi ve karşılaştırılabilmesi sağlanmaktadır. Bu tez çalışmasında tüm kriterleri dikkate alan bir amaç fonksiyon önerilmektedir. Ayrıca bu çalışmada, literatürdeki çaprazlama tekniklerinden farklı olarak, klasik ve zeki Parsel Tabanlı çaprazlama operatörleri olarak adlandırılan iki farklı harita tabanlı çaprazlama operatörü önerilmektedir. Önerilen amaç fonksiyonu ve çaprazlama operatörleri yardımıyla bu tez çalışmasında önerilen ayrık yapay arı koloni (ABC – artificial bee colony), diferansiyel gelişim (DE – differential evolution), genetik (GA – genetic algorithm), parçacık sürü optimizasyonu (PSO – particle swarm optimization) ve ağaç tohum (TSA – tree seed algorithm) algoritmaları gerçek bir proje alanı üzerinde uygulanmaktadır. Deneysel çalışmalardaki sonuçlar manuel olarak elde edilen resmi sonuçlarla karşılaştırılmaktadır. Bunların yanı sıra, geliştirilen uzman sistem sayesinde imar adalarındaki boşluk ve taşan alanlar tamamen ortadan kaldırılarak algoritmalardan elde edilen çözümler gerçek dünyada doğrudan kullanılabilir hale getirilmektedir. Deneysel sonuçlar incelendiğinde, yapay zeka algoritmaların elde ettiği tüm sonuçların hem çözüm kalitesi hem de hız açısından manuel olarak elde edilen resmi sonuçlardan çok daha etkili olduğu açıkça görülmektedir. Ayrıca PSO algoritmasının diğer algoritmalara göre çok daha etkili ve kararlı olduğu görülmektedir. Buna ilaveten önerilen zeki parsel tabanlı çaprazlama operatörünün klasik parsel tabanlı çaprazlama operatörüne göre çok daha etkin sonuçlar elde ettiği görülmektedir. İmar uygulamalarında gerçek dünya problemlerinin çok karmaşık bir yapıya sahip olmasından dolayı problemin uygunluk değeri tam olarak bilinememektedir. Bu yüzden LR problemlerinde test amaçlı kullanılmak üzere sentetik bir veri seti önerilmektedir. Önerilen veri setindeki problemlerin en iyi çözümü kesin olarak bilinmektedir. Bu veri seti parsel sayısına göre 20, 40, 60, 80 ve 100 olmak üzere 5 farklı problemden oluşmaktadır. Her bir problem seti parsel başına düşen malik sayısı bakımından 1, 2, 3 ve 4 olarak 4 farklı problem içermektedir. Bu nedenle, veri seti toplamda 20 farklı problemden oluşmaktadır. Sentetik veri seti kullanılarak gerçekleştirilen deneysel sonuçlar incelendiğinde, GA yönteminin hem hız hem de performans açısından en etkili algoritma olduğu görülmektedir. ABC birkaç problemde GA'dan daha iyi sonuçlara sahip olsa da ABC performans açısından GA yönteminden sonra en başarılı ikinci algoritmadır. Fakat zaman açısından ABC, neredeyse GA kadar başarılı bir algoritmadır. Diğer yandan, DE, PSO ve TSA algoritmalarının sonuçları, çözüm kalitesi açısından birbirine benzemektedir. Sonuç olarak, deneysel çalışmalar, GA yönteminin hız, performans ve kararlılık açısından LR problemlerinin çözümünde en etkili teknik olduğunu açıkça göstermektedir.
Meyve Sineği Optimizasyon Algoritmasının Performansını İyileştirmek için Yeni Yaklaşımlar
(Konya Teknik Üniversitesi, 2019) İşcan, Hazım; Gündüz, Mesut
Optimizasyon problemlerinin çözümü son yıllarda dikkat çeken bir konu haline gelmiştir. Bu problemlerin çözümü için birçok meta-sezgisel yöntem geliştirilmiştir. Meta-sezgisel yöntemler optimum çözümü garanti etmezler. Meta-sezgisel yöntemler ile makul zamanda kabul edilebilir çözümler bulmak amaçlanır. Meta-sezgisel yöntemler çoğunlukla probleme özel olmazlar. Meta-sezgisel yaklaşımlar genel amaçlıdır, esnektir ve problemlere uyarlanabilirler. Meta-sezgisel yöntemler bu özelliklerinden dolayı optimizasyon problemlerin çözümünde son yıllarda yoğun olarak kullanılmaktadır. Meyve Sineği Optimizasyon Algoritması (FOA) 2011 yılında sunulmuş bir meta-sezgisel algoritmadır. Meyve sineğinin yiyecek arama davranışından esinlenerek önerilmiştir. FOA basit yapılı, dizayn parametresi az, optimizasyon problemlerine kolay uyarlanabilir, anlaşılması ve programlanması kolay bir meta-sezgisel yaklaşımdır. Bu tür avantajları olmasına rağmen dezavantajları da mevcuttur. Lokal optimuma çabuk takılır. Karar fonksiyonu her zaman pozitiftir. Güncelleme stratejisi [-1, 1] aralığında olduğu için küçüktür. Bu çalışmada, FOA'nın dezavantajlarını gidermek, algoritmanın performansını iyileştirmek ve daha kaliteli sonuçlar üretmesini sağlamak hedeflenmiştir. Bu amaçla FOA'da üç farklı geliştirme yapılmıştır. İlk geliştirmede FOA'ya işaret parametreleri ilave edilmiş ve SFOA olarak adlandırılmıştır. İkincide, FOA'nın karar verme stratejisi iki aşamalı hale getirilmiş ve saFOA olarak adlandırılmıştır. Üçüncüde, FOA'nın arama esnasında en kötü çözümlerinde dikkate alındığı iki farklı versiyon geliştirilmiş ve pFOA_v1 ve pFOA_v2 olarak adlandırılmıştır. Yeni önerilen FOA sürümlerinin performansı iyi bilinen 21 sayısal kıyaslama fonksiyonunda test edilerek araştırılmıştır. Elde edilen deneysel sonuçlar, literatürde iyi bilinen meta-sezgisel algoritmalar ile kıyaslanmıştır. Deneysel sonuçlar, önerilen FOA sürümlerinin sürekli optimizasyon problemleri için karşılaştırılabilir, başarılı ve rekabetçi sonuçlar ürettiğini göstermektedir.
Nsga-Ii Algorithm for the Reallocation Problem in Land Consolidation
(2020) Ortaçay, Zeynep; Uğuz, Harun; Haklı, Hüseyin
To solve problems encountered in real life, we sometimes need optimization algorithms. Some of these problems have single objective, while others have multiple objectives. If there is a single objective, the problem is defined as a single-objective optimization problem and if there are more than one objective it is called multi-objective optimization problem. Today, lands are fragmented and scattered. This makes agriculture difficult and costly. To prevent these problems, Land Consolidation (LC) studies are being carried out. The reallocation stage, which is part of LC, can be defined as a multi objective optimization problem. In this study, one of the multi objective optimization techniques, NSGA-II algorithm, is applied to the reallocation problem. The results are comparable with the studies in the literature.
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.
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.
Ses Sinyallerinden Duygu Tanıma için Farklı Yaklaşımlar
(Konya Teknik Üniversitesi, 2020) Demircan, Semiye; Kahramanlı, Humar
Duygu tanıma son yıllarda önemi gittikçe artan konulardan bir tanesidir. Duygu tanıma yüz ifadelerinden ve biyomedikal sinyallerden yapılabildiği gibi ses verilerinden de yapılabilmektedir. Özellikle yüz yüze iletişim kurulmadığı durumlarda kişinin duygu durumunun tespitinde ses verisi kullanılmaktadır. Elle özellik çıkarımı ve özellik seçimi klasik yöntemlerle sesten duygu tanımada en önemli aşamalardır. Sesten duygu tanıma alanında en çok çıkarılan özellikler spektral, prozodik ve format özellikleridir. Özellik seçimi için ise oldukça çok yöntem önerilmiştir. Buna rağmen sesten duygu tanıma problemi tam olarak çözülememiş, karmaşık bir problemdir ve tanıma oranını arttırmak için daha iyi tekniklere ihtiyaç duyulmaktadır. Bu nedenle bu tez çalışmasında sesten duygu tanıma işlemi gerçekleştirilmiştir. Bu çalışmada en çok bilinen ve açık bir veri tabanı olan Berlin duygu veri tabanı (EmoDB) kullanılmıştır. EmoDB yedi farklı duyguya ait ses veri tabanıdır. Bu tez çalışmasında uygulamalar cinsiyet ve kişi bağımsız olarak gerçekleştirilmiştir. Tez çalışmasında üç farklı uygulama gerçekleştirilmiştir. Tüm uygulamalar yedi duygu ve üçerli duygu grupları üzerinde gerçekleştirilmiştir. Uygulamalarda kullanılacak veri kümeleri ve önişlemlerin açıklanması amacıyla iki farklı ön çalışma gerçekleştirilmiştir. Bu ön çalışmaların ilkinde Uygulama 1 ve Uygulama 2'de kullanılan veri kümeleri oluşturulmuştur. Veri kümeleri farklı sayıda ve farklı özelliklerden oluşturulmuştur. Çıkarılan özellikler Spektral özelliklerden Mel Frekansı Kepstrum Katsayıları (MFCC), Doğrusal Öngörüm Katsayıları (LPC), Ayrık Dalgacık Dönüşümü (DWT) ve Öz Bağımlı Model Parametreleri (AR) özellikleridir. Ayrıca prozodik özelliklerden Temel Frekansa ait özelliklerde çıkarılmıştır. Özellik seçiminde kullanılan spektral, prozodik ve format özellikleri incelenmiş sınıflandırma için etkin özellikler üzerinde çalışma yoğunlaştırılmıştır. Oluşturulan veri kümeleri özellik seçimi yapılmadan sınıflandırılmıştır. Sınıflandırma amacı ile tüm uygulamalarda Yapay Sinir Ağları (YSA), Destek Vektör Makineleri (DVM), k En yakın Komşuluk Algoritması (kNN) ve Sade Bayes (SB) algoritmaları kullanılmıştır. Ön çalışmada ikinci olarak Uygulama 3'de kullanılan veri kümeleri ve ön işlemler açıklanmıştır. Uygulama 1'de özellik seçimi için önerilen Etmen Tabanlı Otomatik Özellik Seçimi (Agent Based Automatic Feature Selection - ABAfs ) yaklaşımı sunulmuştur. Ön çalışmalarda belirlenen etkin veri kümeleri üzerinde uygulanan çalışmada seçilen özellikler sınıflandırılmıştır. Tez çalışmasında gerçekleştirilen ikinci uygulama Bulanık C-Ortalama Algoritması (BCO) ile duygu tanıma işlemidir. Bu uygulamada BCO yöntemi ile boyut azaltımı işlemi gerçekleştirilmiştir. Oluşturulan özellikler ön çalışmada belirlenen veri kümeleri üzerinde gerçekleştirilmiş ve sınıflandırıcıya verilmiştir. Bu çalışmadaki üçüncü ve son uygulama Derin Öğrenme Algoritmaları ile duygu tanımadır. İlk iki uygulamada duygu tanıma işlemi yapılmadan önce özellik çıkarımı ve özellik seçimi işlemleri gerçekleştirilmiştir. Bu uygulamada özellik seçimi yapılmadan ham verilerden spektrogram görüntüleri elde edilerek Derin Öğrenme Algoritmalarından AlexNET ile sınıflandırılmıştır. Ayrıca elle çıkarılan özelliklerin derin öğrenme ile sınıflandırma başarısının karşılaştırılabilmesi için etkin özellikler DSA ile sınıflandırılmıştır. Tez kapsamında gerçekleştirilen tüm çalışmalar değerlendirildiğinde, yedi duygu grubunda en yüksek sınıflandırma doğruluğu (SD) 16 adet MFCC katsayılarından oluşturulan veri kümesi ile %92.98 ile BCO ile özellik seçimi yöntemiyle gerçekleştirilmiş ve literatüre kazandırılmıştır. Ayrıca literatür incelendiğinde bu zamana kadar duygu tanıma alanına hiç uygulanmamış özellik seçim yöntemlerinin bu çalışmada gerçekleştirilmiş olması da tez çalışmasının özgünlüğünü ortaya koymaktadır. Kısacası bu tez çalışması, elde edilen sonuçlar, Duygu Tanıma probleminde hangi özelliklerin daha etkin olduğunun tespiti ve sınıflandırılması konularında gerçekleştirilen çalışmalar açısından literatürde önemli bir yere sahip olacaktır.
Sosyal Örümcek Algoritmasının Sürekli ve Ayrık Optimizasyon Problemlerinde Performans İyileştirmeleri
(Konya Teknik Üniversitesi, 2020) Baş, Emine; Ülker, Erkan
Doğa olguları temelli evrimsel hesaplama iki önemli gruba ayrılabilir. Bunlar evrimsel algoritmalar ve akıllı sürü temelli algoritmalardır. Evrimsel algoritmalar doğadan ilham alınarak üretilmiş algoritmalardır. Evrimsel algoritmalar optimizasyon problemlerinde ve gerçek dünya problemlerinde başarılı sonuçlar elde edebilmektedir. Bu tip algoritmalara genetik algoritma (GA), genetik programlama (GP), evrimsel stratejiler (ES) ve diferansiyel evrim (DE) örnek verilebilir. Akıllı sürü temelli algoritmalar ise son yıllarda oldukça ilgi çekmektedir. Bu tip algoritmalara Parçacık Sürü Optimizasyon algoritması (PSO), Yapay Arı Kolonisi algoritması (ABC), Karınca Kolonisi Optimizasyon algoritması (ACO) ve Yarasa Algoritması (BA) örnek verilebilir. Sürü terimi birbirleri ile iletişim halinde olan bireylerden oluşan topluluğu ifade etmektedir. Akıllı sürü temelli algoritmalar doğada var olan kuş, karınca, arı, bakteri, kelebek, örümcek v.b. gibi canlıların davranışlarını taklit ederler. Akıllı sürü temelli algoritmalar sürekli, ayrık ve ikili optimizasyon problemleri gibi pek çok farklı tip problemleri başarılı bir şekilde çözebilmektedirler. Çözülmesi çok zor olan NP-hard türü problem tiplerini çözmekte yüksek başarı göstermektedirler. Sosyal Örümcek Algoritması (SSA), son yıllarda yeni geliştirilmiş sürü temelli bir algoritmadır. Doğada birlikte yaşayan örümcek türlerinin taklit edilmesi ile oluşturulmuştur. Bu tez kapsamında SSA'nın sürekli, ayrık ve ikili optimizasyon problemleri üzerindeki başarısı incelenmiş ve başarısını arttırmak için yeni yöntemler eklenerek SSA geliştirilmiştir. SSA nın ilk önerildiği orijinal algoritması küçük boyutlu (10, 20 ve 30) sürekli optimizasyon problemlerinde test edilmiştir. Bu tezde SSA'nın orijinal haline Örümcek patlaması ve kaşif örümcek belleği özellikleri eklenerek geliştirilmiştir ve Sosyal Örümcek Algoritması (ISSA) önerilmiştir. SSA'nın eklenen tekniklerle yerel ve global arama yeteneği artmıştır. ISSA'nın düşük, orta ve yüksek boyutlu (10, 20, 30, 100, 500 ve 1000) sürekli optimizasyon problemlerinde başarısı test edilmiştir. Sürekli optimizasyon görevleri için gerçekleştirilen farklı ikinci bir çalışmada orijinal SSA'ya çaprazlama, mutasyon, Gbest yakınsaması ve sessiz örümcek şeklinde dört özellik eklenerek MPEF üzerinde ISSA'nın başarısı incelenmiştir. MPEF, ölçeklenebilir, basitleştirilmiş Moleküler Potansiyel Enerji Fonksiyonudur. Üçüncü çalışmada sürekli optimizasyon problemleri odaklı önerilen SSA, birbirinden bağımsız ayrık değerler alan problem türleri olarak bilinen ayrık optimizasyon problemlerini çözebilmesi için ayrık bir şekle getirilmiş ve Ayrık Sosyal Örümcek Algoritması (DSSA) önerilmiştir. DSSA ile literatürde sıklıkla tercih edilen bir ayrık optimizasyon problemi olan Gezgin Satıcı Problemi (TSP) çözülmüştür. DSSA da, yetenekli örümcek ve acemi örümcek özellikleri eklenerek keşif ve sömürü yeteneği geliştirilmiştir. Tez kapsamında ayrık optimizasyonun bir alt grubu olan ikili optimizasyon problemleri de çözülmüştür. Bu çalışmada önerilen İkili Sosyal Örümcek Algoritması (BinSSA) ile dört farklı ikili optimizasyon problemi (özellik seçme problemi, kapasitesiz tesis yerleşim problemi, rüzgar türbinleri yerleşim problemi ve sürekli optimizasyon problemleri) çözülmüştür. Bu çalışmada, sürekli arama uzayı ikili arama uzayına çevrilirken S-şekilli, V-şekilli ve mod tabanlı transfer fonksiyonları kullanılmıştır. İkili optimizasyonda transfer fonksiyonlarının başarısını desteklemek için son yıllarda sıklıkla kullanılan lojik kapılar (xor lojik kapısı), benzerlik ölçme teknikleri (Jaccard ve Dice) ve çaprazlama operatörü yeni aday çözümler elde etmek için tercih edilmiştir. Bu yöntemler sayesinde BinSSA ikili arama uzayında yeni noktalar keşfedebilmekte veya yerel noktalar etrafında yeni noktalar bulabilmektedir. Böylece BinSSA'nın başarısı geliştirilmiştir.

Browse

Browsing 05. Fakülteler by Department "Enstitüler, Lisansüstü Eğitim Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalı"