Profile URL: https://hdl.handle.net/20.500.13091/11786
Email Address:asaglam@ktun.edu.tr
Main Affiliation:10.01. Department of Computer Engineering
Status: Current Staff
ORCID:
0000-0003-2980-9666
0000-0003-2980-9666Scopus ID:
57190139343
57190139343YÖK Akademik: 4431417FAEF2BFBB
Google Scholar:
O5Cnd2wAAAAJ
O5Cnd2wAAAAJWeb of Science ID:
W-2795-2017
W-2795-2017Name Variants:
Saglam, Ali
13 results
Scholarly Output Search Results
Now showing 1 - 10 of 13
Article Citation - WoS: 10Citation - Scopus: 11A New Color Distance Measure Formulated From the Cooperation of the Euclidean and the Vector Angular Differences for Lidar Point Cloud Segmentation(Selcuk Univ Press, 2021-10-15) Sağlam, Ali; Baykan, Nurdan AkhanTwo important features of the points in the LiDAR point clouds are the spatial and the color features. The spatial feature is mostly used in the point cloud processing field due to its 3D informative and distinctive characteristic. The local geometric difference derived from the spatial features of the points is usually benefited by graph-based point cloud segmentation methods, because the geometric features of the local point groups are highly distinctive. In this paper, we use both the geometric and color differences of the adjacent local point groups at the impact rates 0.3, 0.5, and 0.7 and cooperate the Euclidean and the vector color differences within several averaging techniques for the color difference. The difference forms have been tested within a graph-based segmentation method on four point cloud segmentation datasets, two indoor and two outdoor, using their spatial and color information. The geometric mean as an averaging techniques increases the segmentation success for the all datasets except one outdoor when the color differences are used in the segmentation at the impact rate 0.3, while the harmonic mean increases the success for the all datasets the successes except the other outdoor at the same impact rate. According to the test results, the cooperating of the Euclidean and vector angular color difference measurements can considerable increase the segmentation success on the point clouds with color information in a high quality.Article Dissimilarity Weighting for Graph-Based Point Cloud Segmentation Using Local Surface Gradients(Plusbase Academy, 2020-12-31) Sağlam Ali; Makineci Hasan Bilgehan; Baykan Ömer Kaan; Baykan NurdanProcessing of 3D point cloud data is seen as a problem due to the difficulties of processing millions of unstructured points. The point cloud segmentation process is a crucial pre-classification stage such that it reduces the high processing time required to extract meaningful information from raw data and produces some distinctive features for the classification stage. Local surface inclinations of objects are the most effective features of 3D point clouds to provide meaningful information about the objects. Sampling the points into sub-volumes (voxels) is a technique commonly used in the literature to obtain the required neighboring point groups to calculate local surface directions (with normal vectors). The graph-based segmentation approaches are widely used for the surface segmentation using the attributes of the local surface orientations and continuities. In this study, only two geometrical primitives which are normal vectors and barycenters of point groups are used to weight the connections between the adjacent voxels (vertices). The defined 14 possible dissimilarity calculations of three angular values getting from the primitives are experimented and evaluated on five sample datasets that have reference data for segmentation. Finally, the results of the measures are compared in terms of accuracy and F1 score. According to the results, the weight measure W7 (seventh calculation) gives 0.8026 accuracy and 0.7305 F1 score with higher standard deviations, while the original weight measure (W8) of the segmentation method gives 0.7890 accuracy and 0.6774 F1 score with lower standard deviations.Article Citation - WoS: 24Citation - Scopus: 34Boundary Constrained Voxel Segmentation for 3d Point Clouds Using Local Geometric Differences(PERGAMON-ELSEVIER SCIENCE LTD, 2020) Sağlam, Ali; Makineci, Hasan Bilgehan; Baykan, Nurdan Akhan; Baykan, Ömer KaanIn 3D point cloud processing, the spatial continuity of points is convenient for segmenting point clouds obtained by 3D laser scanners, RGB-D cameras and LiDAR (light detection and ranging) systems in general. In real life, the surface features of both objects and structures give meaningful information enabling them to be identified and distinguished. Segmenting the points by using their local plane directions (normals), which are estimated by point neighborhoods, is a method that has been widely used in the literature. The angle difference between two nearby local normals allows for measurement of the continuity between the two planes. In real life, the surfaces of objects and structures are not simply planes. Surfaces can also be found in other forms, such as cylinders, smooth transitions and spheres. The proposed voxel-based method developed in this paper solves this problem by inspecting only the local curvatures with a new merging criteria and using a non-sequential region growing approach. The general prominent feature of the proposed method is that it mutually one-to-one pairs all of the adjoining boundary voxels between two adjacent segments to examine the curvatures of all of the pairwise connections. The proposed method uses only one parameter, except for the parameter of unit point group (voxel size), and it does not use a mid-level over-segmentation process, such as supervoxelization. The method checks the local surface curvatures using unit normals, which are close to the boundary between two growing adjacent segments. Another contribution of this paper is that some effective solutions are introduced for the noise units that do not have surface features. The method has been applied to one indoor and four outdoor datasets, and the visual and quantitative segmentation results have been presented. As quantitative measurements, the accuracy (based on the number of true segmented points over all points) and F1 score (based on the means of precision and recall values of the reference segments) are used. The results from testing over five datasets show that, according to both measurement techniques, the proposed method is the fastest and achieves the best mean scores among the methods tested. (C) 2020 Elsevier Ltd. All rights reserved.Article Citation - WoS: 9Citation - Scopus: 15Clustering-Based Plane Refitting of Non-Planar Patches for Voxel-Based 3d Point Cloud Segmentation Using K-Means Clustering(INT INFORMATION & ENGINEERING TECHNOLOGY ASSOC, 2020) Sağlam, Ali; Makineci, Hasan Bilgehan; Baykan, Ömer Kaan; Baykan, Nurdan AkhanPoint cloud processing is a struggled field because the points in the clouds are three-dimensional and irregular distributed signals. For this reason, the points in the point clouds are mostly sampled into regularly distributed voxels in the literature. Voxelization as a pretreatment significantly accelerates the process of segmenting surfaces. The geometric cues such as plane directions (normals) in the voxels are mostly used to segment the local surfaces. However, the sampling process may include a non-planar point group (patch), which is mostly on the edges and corners, in a voxel. These voxels can cause misleading the segmentation process. In this paper, we separate the non-planar patches into planar sub-patches using k-means clustering. The largest one among the planar sub-patches replaces the normal and barycenter properties of the voxel with those of itself. We have tested this process in a successful point cloud segmentation method and measure the effects of the proposed method on two point cloud segmentation datasets (Mosque and Train Station). The method increases the accuracy success of the Mosque dataset from 83.84% to 87.86% and that of the Train Station dataset from 85.36% to 87.07%.Article Kutuplaştırılmış veri üzerinde ikili sınıflandırma için sürekli zamanlı eşik değeri belirleme(2019) Baykan, Nurdan Akhan; Sağlam, Aliİkili sınıflandırma, veri elemanlarından bir kısmını belirli karakteristiklerine göre diğerlerinden anlamlı bir şekilde ayırmak için kullanılmaktadır. Denetimli sınıflandırma teknikleri ise genellikle veriden çıkarılacak elemanların ayırt edici karakteristiklerini belirlemeye yardımcı olan referans veriyi kullanmaktadır. Bu teknikler aynı zamanda mevcut özellikleri kullanarak bütün veri için referans veriye uygun olarak yeni özellikler oluşturmaktadır. Yeni özellikler oluşturmanın amaçlarından birisi de çıkarılacak veri elemanlarını ve diğerlerini ikili sınıflandırma için bir koordinat ekseni üzerinde ayrı kutuplara doğru kutuplaştırmaktır. Bu şekilde, sadece bir eksen üzerinde eşik değeri kullanarak, ikili sınıflandırma işlemi kolaylaşmaktadır. Bu çalışmada, veriyi kutuplaştırmak için doğrusal ayrıştırma analizi (DAA) kullanılmış ve bazı belirli eşik değerleriyle elde edilen ikili sınıflandırma çıktılarının harmonik ortalama F-score değerlerini kullanan bir eşik değeri belirleme algoritması önerilmiştir. Önerilen metottaki anahtar durum, en uygun eşik değeri en iyi sınıflandırma başarısını (F-score değerini) vermeli ve diğer eşik değerleri en iyi eşik değerinden uzaklaştıkça (eksenin iki ucuna doğru ilerledikçe) daha düşük sınıflandırma başarısını vermelidir. Önerilen metot, referans görüntüleri de içeren bir 2D anlamsal etiketleme veri kümesinden alınan bir uzaktan algılama görüntüsü üzerinde bazı anlamlı verilerin ikili sınıflandırması için uygulanmıştır. Önerilen metot en iyi eşik değerine sürekli zamanlı olarak belirlenen örnekleme sayısına ve sonlanma ölçütüne göre logaritmik zamanda yakınsamaktadır.Doctoral Thesis 3d Lidar Nokta Bulutu İşlemede Sınır Gözetimli Voksel Tabanlı Bir Segmentasyon Yöntemi Geliştirilmesi(Konya Teknik Üniversitesi, 2020) Sağlam, Ali; Baykan, Nurdanİç 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.Master Thesis Makine Öğrenmesi Teknikleri ile Haber Kaynakları Kullanılarak Kripto Para-Bitcoin Tahmini(2025) Ekenek, Hatice; Sağlam, AliGelişen günümüz şartlarında teknolojinin ve internetin gelişimi, çeşitli bilimsel gelişmelerin ortaya çıkması, insanların yaşamında önemli yeri olan parayı da etkilemiştir. Para, dijital dünyada sanal para birimi olan Bitcoin için farklı bir birim olarak yerini almıştır. Günümüzde yaygın olarak bilinen sanal paralardan birisi olan Bitcoin' in herhangi bir kuruma, devlete bağlı olmaması, transferinin gerçek paralara göre masrafsız, kolay ve hızlı olması gün geçtikçe dünyanın her yerinde Bitcoin'e olan ilgiyi artırmaktadır. Tez çalışması kapsamında, makine öğrenmesi teknikleri kullanılarak kripto para birimi olan Bitcoin'in fiyat tahmini incelenmektedir. Çalışma bununla birlikte, Bitcoin fiyat tahminine etki eden haber kaynaklarını, sosyal medya verilerini ve piyasa duyarlılığını göz önünde bulundurarak, bu unsurların makine öğrenmesi modelleri ile senkronizasyonunu ele almaktadır. https://www.kaggle.com internet sitesinden alınan 2021-2022 yılları arasındaki tweetler ve Yahoo Finance apisi ile alınan 2021-2022 yılları arasındaki Bitcoin açılış, kapanış, en yüksek değer, en düşük değer ve hacim değerleri ile iki yıllık veri setleri oluşturulmuştur. Python programlama dili ile makine öğrenmesinde tweetlerin duygu durumları doğal dil işleme aracı olan TextBlob kullanılarak değerlendirilmiş ve bu duygu durumları bitcoin fiyat giriş verileri ile birleştirilerek, makine öğrenmesi yöntemlerinden XGBoost, Rastgele Orman, LSTM ve Doğrusal Regresyon ile bir sonraki günün açılış fiyatı tahmin edilmiştir. MAPE= 0.052624 hata oranı oldukça düşük olduğu görülmüştür. R² = 0.999999, 1' e yakın bir değer bulunarak performans metriklerinde doğruluğunun yüksek olduğu bulunmuştur. Çalışma sonucunda Doğrusal Regresyon algoritmasının daha başarılı sonuçlar verdiği gözlemlenmiştir. Veri setinde olmayan gerçek değerler ile test edilen uygulamanın gerçek değerlere yakın sonuçlar verdiği ortaya çıkmıştır.Article Continuous Time Threshold Selection for Binary Classification on Polarized Data(2019) Baykan, Nurdan Akhan; Saglam, AliÖzBinary classification is used to distinguish some of the data elements from others in a meaningful way according to certain characteristics.Supervised classification techniques often use the ground-truth data, which assists to determine the distinctive characteristics of the elements to be extracted from the data.These techniques also generate new features for all of the data using the current features in accordance with the ground-truth data.One of the purposes of generating new features is to polarize the data elements (to be extracted and others) toward the separate pools on a coordinate axis for binary classification.In this way, the binary classification process is easy using only a threshold value on the axis.In this work, the Linear Discriminant Analysis (LDA) is used to polarize the data and a threshold selection algorithm is proposed, which use the harmonic mean F-score values of the binary classification outputs resulting from some specific threshold values.The key condition in the proposed method is that the most suitable threshold must give the best classification score (F-score value) and other threshold values must give lower classification scores as they become distant from the best threshold value (move away toward the ends of the axis).The proposed method is experimented for binary classifications of some meaningful elements on a remote sensing image taken from a 2D semantic labelling dataset that has the ground-truth images.The proposed method convergences the best threshold value continuously in logarithmic time. İkili sınıflandırma, veri elemanlarından bir kısmını belirli karakteristiklerine göre diğerlerinden anlamlı bir şekilde ayırmak için kullanılmaktadır. Denetimli sınıflandırma teknikleri ise genellikle veriden çıkarılacak elemanların ayırt edici karakteristiklerini belirlemeye yardımcı olan referans veriyi kullanmaktadır. Bu teknikler aynı zamanda mevcut özellikleri kullanarak bütün veri için referans veriye uygun olarak yeni özellikler oluşturmaktadır. Yeni özellikler oluşturmanın amaçlarından birisi de çıkarılacak veri elemanlarını vediğerlerini ikili sınıflandırma için bir koordinat ekseni üzerinde ayrı kutuplara doğru kutuplaştırmaktır.Bu şekilde, sadece bir eksen üzerinde eşik değeri kullanarak, ikili sınıflandırma işlemi kolaylaşmaktadır.Bu çalışmada, veriyi kutuplaştırmak için doğrusal ayrıştırma analizi (DAA) kullanılmış ve bazı belirli eşik değerleriyle elde edilen ikili sınıflandırma çıktılarının harmonik ortalama F-score değerlerini kullanan bir eşik değeri belirleme algoritması önerilmiştir.Önerilen metottaki anahtar durum, en uygun eşik değeri en iyi sınıflandırma başarısını (F-score değerini) vermeli ve diğer eşik değerleri en iyi eşik değerinden uzaklaştıkça (eksenin iki ucuna doğru ilerledikçe) daha düşük sınıflandırma başarısınıMaster Thesis Diyabetik Retinopati Derecelerinin Derin Öğrenme - Tabanlı Sınıflandırılmasında Ön İşlem Yöntemlerinin Etkisinin Analiz Edilmesi(2024) Baktı, Nur Sena Öztekin; Sağlam, AliDiyabetik retinopati (DR), diyabetin ciddi bir komplikasyonu olup tedavi edilmediği takdirde görme kaybına yol açabilen bir göz hastalığıdır. Erken teşhis ve doğru derecelendirme, etkili tedavi süreçleri için oldukça kritik bir öneme sahiptir. Bu bağlamda, derin öğrenme tabanlı sınıflandırma yöntemleri DR'nin tespitinde umut vadeden yaklaşımlar sunmaktadır ancak derin öğrenme modellerinin başarısı, kullanılan ön işlem yöntemlerine büyük ölçüde bağlıdır. Tez kapsamında, DR hastalığının farklı derecelerinin derin öğrenme tabanlı sınıflandırılmasında, çeşitli ön işlem yöntemlerinin etkileri incelenmektedir. Tez çalışması kapsamında, farklı ön işlem tekniklerinin (Gaussian blur, eşikleme, kontur tespiti, CLAHE ve median blur) sınıflandırma performansı üzerindeki etkileri analiz edilmektedir. Ön işlem yöntemleri iki farklı adımda uygulanmaktadır. Veri setine ilk olarak Gaussian blur yöntemi, eşikleme yöntemi ve kontur tespiti yöntemi uygulanmış (ilk ön işlem adımı) ve eğitilmiş, ardından ilk ön işlem adımı uygulanmış görüntülere ikinci ön işlem adımında CLAHE ve Median blur yöntemleri uygulanmış (ikinci ön işlem adımı) ve eğitilmiştir. EfficientNetB5, VGG16 ve VGG19 gibi transfer öğrenme tabanlı modeller kullanılmakta ve her birinin ön işlem adımlarından sonra elde edilen sonuçları karşılaştırılmaktadır. APTOS ve Diabetic Retinopathy (resized) olmak üzere iki farklı veri seti üzerinde gerçekleştirilen deneylerde, veri setlerine uygulanan ön işlem yöntemlerinin sınıflandırma doğruluğu, kesinlik, duyarlılık ve F1 skor gibi performans metrikleri üzerindeki etkileri değerlendirilmektedir. APTOS veri seti için transfer öğrenme yöntemlerinin herhangi bir ön işlem uygulanmadan önceki doğruluk (accuracy) oranı EfficientNetB5 (%96,09), VGG16 (%95,18) ve VGG19 (%95,25) olarak; ilk ön işlem adımı uygulandıktan sonra (Gaussian blur – eşikleme – kontur tespiti) transfer öğrenme yöntemlerinin doğruluk oranı EfficientNetB5 (%95,49), VGG16 (%95,40) ve VGG19 (%95,05) olarak; ikinci ön işlem adımı uygulandıktan sonra (CLAHE – Median blur) transfer öğrenme yöntemlerinin doğruluk oranı EfficientNetB5 (%93,63), VGG16 (%95,18) ve VGG19 (%94,89) olarak elde edilmektedir. Diabetic Retinopathy (resized) veri seti için transfer öğrenme yöntemlerinin herhangi bir ön işlem uygulanmadan önceki doğruluk oranı EfficientNetB5 (%87,95), VGG16 (%89,72) ve VGG19 (%89,72) olarak; ilk ön işlem adımı uygulandıktan sonra (Gaussian blur – eşikleme – kontur tespiti) transfer öğrenme yöntemlerinin doğruluk oranı EfficientNetB5 (%87,77), VGG16 (%89,54) ve VGG19 (%89,54) olarak; ikinci ön işlem adımı uygulandıktan sonra (CLAHE – Median blur) transfer öğrenme yöntemlerinin doğruluk oranı EfficientNetB5 (%87,21), VGG16 (%89,54) ve VGG19 (%89,54) olarak elde edilmektedir. Ayrıca, ön işlem yöntemlerinin modelin doğruluk ve kayıp eğrilerindeki rolü incelenmektedir. Sonuçlar, kullanılan ön işlem adımlarının model performansında kısmi iyileştirmeler sağladığını ancak sonuçların sınıflandırma doğruluğunu büyük ölçüde artırmadığını göstermektedir. Bu bulgular, derin öğrenme tabanlı sınıflandırma süreçlerinde ön işlem yöntemlerinin her zaman belirgin bir performans artışı sağlamayabileceğini ancak görüntü kalitesini iyileştirme ve model stabilitesine katkı sunma açısından önemli olabileceğini göstermektedir. Çalışma, DR tanısında kullanılacak derin öğrenme modelleri için uygun ön işlem stratejilerinin belirlenmesine yönelik kapsamlı bir çerçeve sunmaktadır. Tez çalışması, DR tanısının daha hızlı ve güvenilir bir şekilde yapılabilmesi için derin öğrenme tabanlı çözümlerin geliştirilmesine katkı sağlamayı amaçlamaktadır.Article Citation - WoS: 4Citation - Scopus: 5Evaluating the Attributes of Remote Sensing Image Pixels for Fast K-Means Clustering(Tubitak Scientific & Technological Research Council Turkey, 2019-11-26) Sağlam, Ali; Baykan, Nurdan AkhanClustering process is an important stage for many data mining applications. In this process, data elements are grouped according to their similarities. One of the most known clustering algorithms is the k-means algorithm. The algorithm initially requires the number of clusters as a parameter and runs iteratively. Many remote sensing image processing applications usually need the clustering stage like many image processing applications. Remote sensing images provide more information about the environments with the development of the multispectral sensor and laser technologies. In the dataset used in this paper, the infrared (IR) and the digital surface maps (DSM) are also supplied besides the red (R), the green (G), and the blue (B) color values of the pixels. However, remote sensing images come with very large sizes (6000 × 6000 pixels for each image in the dataset used). Clustering these large-size images using their multiattributes consumes too much time if it is used directly. In the literature, some studies are available to accelerate the k-means algorithm. One of them is the normalized distance value (NDV)-based fast k-means algorithm that benefits from the speed of the histogram-based approach and uses the multiattributes of the pixels. In this paper, we evaluated the effects of these attributes on the correctness of the clustering process with different color space transformations and distance measurements. We give the success results as peak signal-to-noise ratio and structural similarity index values using two different types of reference data (the source images and the ground-truth images) separately. Finally, we give the results based on accuracy measurement for evaluating both the success of the clustering outputs and the reliability of the NDV-based measurement methods presented in this paper.
Research Topics
Domains
Physical Sciences
Fields
Computer ScienceEngineeringEnvironmental ScienceEarth and Planetary Sciences
Subfields
Computer Vision and Pattern RecognitionComputational MechanicsEnvironmental EngineeringGeology
Specific Research Areas
Medical Image Segmentation Techniques
Advanced Image and Video Retrieval Techniques
3D Shape Modeling and Analysis
Remote Sensing and LiDAR Applications
3D Surveying and Cultural Heritage
Sustainable Development Goals
3GOOD HEALTH AND WELL-BEING
1
Research Products
1NO POVERTY
1
Research Products
Documents
11
Citations
111
h-index
5
Documents
14
Citations
106
Publication Collaboration
| Affiliation Name | Count |
|---|---|
| Konya Technical University | 9 |
| Selçuk University | 8 |
| Ankara University | 1 |
| Middle East Technical University | 1 |
| Pamukkale University | 1 |
1 / 1
Data obtained from OpenAlex
| Journal | Count |
|---|---|
| Avrupa Bilim ve Teknoloji Dergisi | 1 |
| DOAJ (DOAJ: Directory of Open Access Journals) | 1 |
| EXPERT SYSTEMS WITH APPLICATIONS | 1 |
| International Journal of Applied Mathematics, Electronics and Computers | 1 |
| International Journal of Engineering and Geosciences | 1 |
Current Page: 1 / 2
Scholarly Output
13
Articles
9
Views / Downloads
36/121
Supervised MSc Theses
2
Supervised PhD Theses
1
WoS Citation Count
47
Scopus Citation Count
66
Patents
0
Projects
0
WoS Citations per Publication
3.62
Scopus Citations per Publication
5.08
Open Access Source
9
Supervised Theses
3
Scopus Quartile Distribution
Competency Cloud
