Yazılım Mühendisliği Bölümü Yayın Koleksiyonu

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12416/2147

Browse

Filters

2005 - 200912010 - 20191

Settings

Access Right: Closed AccessSubject: search.filters.subject.Machine Learning

Search Results

Now showing 1 - 2 of 2
  • Article
    Hand Gesture Recognition in Variable Length Sequences
    (2005) Choupanı, Roya; Choupani, R.; Tolun, M.R.; Tolun, Mehmet Reşit; Bilgisayar Mühendisliği; Yazılım Mühendisliği
    Using hand gestures in human computer interaction has been a major challenge during the recent years. Many of the hand gesture recognition systems however, have been based on the recognition of hand postures and estimating the related gesture which is restricted to a few numbers of possible movements. However when dealing with applications such as understanding sign languages which include a large number of classes, an automatic learning method based on matching a sequence of postures with the characterizing feature sequence of each class is necessary. An important characteristic of this method is that each sample sequence of a class may have a variable length and different position of the key features. In this paper a syntactic method has been proposed for classifying the input sequences. An algorithm foe extracting the grammar of the method during training stage is also given.
  • Conference Object
    Sınıflandırmada Küçük ve Dengesiz Veri Kümesi Problemi
    (2019) Par, Öznur Esra; Akçapınar Sezer, Ebru; Sever, Hayri
    Verilerinin sınıflandırılması, veri kümesinin küçük ve dengesiz olması durumunda zorlaşmakta ve sınıflama performansını direkt etkilemektedir. Veri setinin küçük olması ve/veya sınıflar arasında dengesizlik olması veri madenciliğinde büyük bir sorun haline gelmiştir. Sınıflama algoritmaları, veri setlerinin yeterli büyüklüğe sahip, dengeli olduğu varsayımı üzerine geliştirilmiştir. Bu algoritmaların çoğu, azınlık sınıfındaki örnekleri göz ardı ederken veya yanlış sınıflandırırken, çoğunluk sınıfa odaklanır. Medikal veri madenciliğinde bazı kısıtlardan dolayı küçük ve dengesiz veri seti problemi ile sıklıkla karşılaşılmaktadır. Çalışma kapsamında erişime açık hepatit veri seti, küçük veri setlerine bölünmüş, oluşturulan her bir veri seti uzaklık tabanlı yöntemlerle çoğaltılmıştır. Çoğaltılan veri setleri dört farklı makine öğrenmesi algoritması (Yapay Sinir Ağları, Destek Vektör Makineleri, Naive Bayes ve Karar Ağacı) kullanılarak sınıflandırılmış, elde edilen sınıflama sonuçları karşılaştırılmıştır.