Theses supervised by Prof. Dr. Engin Avcı
14 theses · Fırat University
Hava trafiği yönetimi için ADS-B sistemi uçuşverilerinin veri madenciliği yöntemleriyledeğerlendirilmesi
Sürekli değişen ve gelişen dünyamızda çok fazla miktarda bulunan verinin değerlendirilip bilgiye dönüştürülmesi uzun işlem ve süreç gerektirmektedir. Değişen, gelişen pazar koşulları ve yenilenen teknolojiler sayesinde verinin bir araya getirilmesi ve depolanması biçimi çok farklı boyutlar kazanmıştır. Şirketler sayısal ortamda yığın şeklinde duran verileri işlemek, geleceğe yönelik analizler ve tahminler yapmak için kullanmayı istemektedirler. Bilgiye dönüştürülmeyen veri, şirketler için pek değerli değildir. Bu yüzden verinin anlamlı bilgiye dönüştürülmesi sürecinde veri madenciliği ve makine öğrenmesi metotları devreye girmektedir. Veri madenciliği verilere anlam ve değer kazandırmak amacıyla çeşitli işlemler/yöntemler/metotlar uygular ve bilgiye dönüşümünü sağlar. Dönüştürülen veriler satış, pazarlama, sigorta, bankacılık ve bilgisayar bilimleri alanlarında geleceği tahmin etmeye yönelik işlemlerde kullanılır. Bu tez kapsamında veri madenciliğinde kullanılan ücretsiz yazılım aracı olan WEKA ve ORANGE programı ile, bir ADS-B uçuş veri setleri üzerinden sınıflandırma ve kümeleme işlemleri yapılacaktır. Artan hava yolu taşımacılığının, sürekli olarak artan uçuşlar göz önüne alındığında bu sistemlerinin güvenliği ve uçtan uca izlenmesi daha karmaşık bir hale gelmiştir. Bu sorunlara yeni bir çözüm üreten ve klasik karaya konuşlu radarların zaafiyetlerini ortadan kaldıran yeni nesil hava trafiği yönetimi (nextgen) olan ADS-B sistemi ayrıntılı bir biçimde incelenecektir. Yapılacak inceleme ile birlikte uçuş verilerinin veri madenciliği yöntemleri kullanılarak barındırmış olduğu değerli bilgiler ortaya çıkarılacaktır. Bu sayede veri setimiz için sunulmuş olan sınıflandırma ve kümeleme algoritmlarının performans karşılaştırması yapılacaktır. Ayrıca mevcut kullanımda olan veri madenciliği platformları ücretli / ücretsiz olma durumlarına göre, algoritma sayılarına, sınıflandırma, kümeleme vs... gibi özellikleri başta olmak üzere bir çok açıdan karşılaştırılıp incelenecektir.
Gelişmiş derin öğrenme yöntemleri ile polip tespiti ve takibi
Kolorektal kanser, başlarda kalın bağırsağın mukus tabakasında bir polip olarak görülmekte ve tedavi edilmediğinde zamanla kansere dönüşmektedir. Son yıllarda bir milyona yakın vaka sayısı ile dikkat çeken kolorektal kanser ölümcül ve agresif kanser türleri arasında gösterilmektedir. Kalın bağırsak polipleri başta iyi huylu olsalar da erken teşhis edilerek kontrol altına alınıp tedavi edilmediği takdirde zamanla kötü huylu bir kansere dönüşebilmektedir. Bu tez çalışmasında kalın bağırsak poliplerinin otomatik tespit ve takibinin yapılması amaçlanmıştır. Derin öğrenme yöntemleri kullanılarak poliplerin otomatik tespit edilmesi ve nesne takip algoritmaları ile takibinin gerçekleştirilebilmesi problemi üzerinde durulmuştur. Polip tespiti için son yıllarda öne çıkmış derin öğrenme yöntemlerinden biri olan Faster R-CNN modeli kullanılmıştır. Nesne tespit modeli eğitimi Tensorflow Object Detection API ile gerçekleştirilmiştir. Nesne tespit modelinin eğitiminde yeni ve mevcut veri setlerinden 4 kat daha büyük olan LDPolypVideo veri seti kullanılmıştır. Polip takibi içinse nesne takip algoritmalarından biri olan kalman filtresi kullanılmıştır. Eğitmiş olduğumuz nesne tespit modeli %86,37'lik mAP değeri ile kabul edilebilir bir başarı elde etmiştir. Eğitilmiş nesne tespit modeli ile gerçekleştirilen testlerde modelimizin polipleri tespit edip sınırlayıcı kutular ile işaretlediği görülmüştür. Nesne tespiti ile birlikte uygulanan nesne takip yöntemi iler de poliplerin etiketlenerek takibinin yapılabildiği görülmüştür. Bu tez çalışması ile yeni bir kolonoskopi veri setinde derin öğrenme yöntemleri kullanılarak otomatik polip tespiti gerçekleştirilmiştir. Elde edilen sonuçlar bu alandaki çalışmalara bir örnek olma niteliği taşımaktadır.
Havadan alınan termal kamera görüntülerinde canlı tasnifinin yapılmasında derin öğrenme tabanlı tekniklerin uygulanması
Yapay zekâ günümüzde birçok uygulama ve araştırma alanında kullanılmaktadır. İnsan gücü gereken işleri otomatikleştirmek, iletişim kurmak, görüntü ve konuşmaları anlamak, kısaca insanların yaşamını kolaylaştıracak her işte yapay zekadan destek alınmaktadır. Bu nedenle sistemleri daha zeki hale getirebilecek yapay zekâ teknikleri de hızla gelişmektedir. Yapay zekanın kullanıldığı sistemlerden biri de görüntüleme sistemleridir. Çeşitli kamera sistemlerinden alınmış veriler, yapay zekanın görüntü işleme teknikleri ile işlenebilir ve yorumlanabilir hale gelmiştir. Günümüzde birçok görüntü alma sistemi bulunmaktadır. Bunlara; enerji yüklü röntgen ışınlarının farklı yapılardan dönmesiyle görüntü alan röntgen cihazları, ses dalgaları aracılığıyla görüntü oluşturabilen ultrason cihazları, elektromanyetik kuvvet radyo frekansları ile görüntü elde eden MR cihazları, radar kullanarak yer altındaki değerli maden, su kaynağı, yeraltı boşlukları gibi verileri 2 veya 3 boyutlu görüntüleyebilen çeşitli dedektörler, kızılötesi ışınlar ile görüntüleme yapabilen termal görüntüleme sistemleri örnek olarak verilebilir. Termal görüntüleme sistemleri, cisimlerin sıcaklık farklılıklarının kızılötesi ışının değerleri kullanılarak renkselleştirildiği görüntüleme sistemidir. Görüntüleme yöntemi olarak elektromanyetik spektrumda yer alan IR (kızılötesi) enerjiyi esas almaktadır. Günümüzde başta savunma sanayi olmak üzere sağlık, ziraat, inşaat gibi birçok farklı alanda termal kameralar kullanılmaktadır. Gelişen teknoloji ile termal görüntüleme sistemleri ve yapay zekâ aracılığıyla çeşitli ortamlar hakkında bilgi toplanabilir ve işlenebilir hale gelmiştir. Bu çalışmada termal görüntüleme üzerinde yapay zekâ tekniklerinin nerede ve nasıl uygulandığına ilişkin araştırma yapılmıştır. Çalışmada termal kameralar yardımıyla yapılan termal 3B modelleme nesnesi binaların kullanımı, hareket ve hedef tespiti, alkollü birey tespiti, zirai ve ormancılık çalışma sahalarındaki yapısal sorunların tespiti gibi birçok farklı çalışmaya yer verilmiştir. Bu tez çalışmasında termal kamera görüntülerindeki nesnelerin sınıflandırması otonom olarak yapılabilmesi için derin öğrenme tabanlı teknikler kullanılmıştır. Çalışma kapsamında 4 sınıftan oluşan 836 görüntü kullanılmıştır. Görüntülere temel derin öğrenme mimarilerine entegre edilen K en yakın komşuluk algoritması ve Destek vektör Makineleri algoritması ile sınıflandırılmıştır. Anahtar Kelimeler: Termal Kamera, Kızılötesi Işın, Derin Öğrenme, Makine Öğrenme
The performance comparison of ensemble machine learning classifierson medical datasets
The machine learning process may be broken down into two distinct phases: learning, in which the classification algorithmic program is trained, and classification, in which the algorithmic program labels new data. Classification, also known as supervised learning, is a technique for processing data that divides the information into predetermined groups and categories. We are examining the J48 Decision Tree, the Artificial Neutral Network (ANN), the Extreme Learning Machine (ELM), and other other notable ensemble machine learning classifiers. Single-hidden-layer feedforward neural networks spawned the new field of ELM, which focuses on regression and classification challenges. In this thesis, activation functions will be used to apply the three basic classifiers—ELM, J48, and ANN—to medical datasets. These databases include information on diseases such as diabetes and hepatitis. The ELM classifier is fed both healthy and harmful features. In addition, the logarithmic and tangent sigmoid activation functions, as well as others, are included into ELM in order to optimize classification performance. Based on information theory, the J48 approach does classification using decision trees. It's a version of Ross Quinlan's older ID3 approach, sometimes referred to as J48 in Weka and named after Java. SVM is sometimes referred to as a statistical classifier due to the fact that C4.5 creates decision trees that are utilized for classification. The C4.5 algorithmic rule (J48) is often used to categorize data in a vast array of fields, including the diagnosis of coronary heart disease by evaluating clinical data, classification of data for e-governance, and many others. In the realm of computing, artificial neural networks (ANNs) were developed in an attempt to emulate the neuronal network that makes up a person's brain. ANNs enable computers to absorb information and make judgments in a way that closely resembles that of humans. The artificial neural network is the product of programmers' desire for computers to act similarly to an interconnected network of brain cells. We will employ classifiers such as ELM, Sigmoid, and Relu for a medical dataset of patients with a patient population of 900 to 1000, leveraging a free online dataset of patients with mild to severe illness difficulties.
Video görüntülerinin analizinde uç öğrenme makinesi sınıflandırıcı algoritmalarının kullanılması ve geliştirilmesi
Tıp biliminde video analizi konusu, görüntülerin mikroskobik boyutta yoğun ve hassas bilgiler içermesi açışından kritik öneme sahiptir. Mikroskop kameralar ile elde edilen videolarda hareketli nesne tespit ve takibi ile nesne hakkında anlamlı ve yorumlanabilir bilgi elde edilmesi süreci, video analizi olarak tanımlanabilir. Bu tez çalışmasında, video görüntülerinin analizinde uç öğrenme makinesi sınıflandırıcı algoritmalarının kullanılması ve geliştirilmesi çalışması gerçekleştirilmiştir. Geliştirilen bu Melez (M) - Diferansiyel Gelişim Algoritması (DGA) – Uç Öğrenme Makinesi (UÖM) yönteminin başarımını test etmek için elde edilmiş gerçek sperm videoları üzerinde sperm motilitesinin doğru sınıflandırılması çalışması yapılmıştır. Tıp literatüründe sperm ile dölleme yapan erkek bireylerin, erkek infertilite probleminin başlıca sebebi sperm kalitesinin düşük olmasıdır. Spermin kalitesi, konsantrasyon (sayısı), motilite (hareketliliği) ve morfoloji (yapısı) değerleri ile belirlenir. Problemin tespiti için uzmanlar tanı aşamasında spermiyogram testi yapmaktadırlar. Bu test motilite ve morfoloji analizinden oluşup klasik veya bilgisayar destekli yöntemler ile yapılabilir. Klasik yöntem motilite analizi; uzman kişilerin semen sıvısını mikroskop altında göz ile deneyimlerine dayalı olarak sperm hücre hareketlilik sınıfını belirlemesidir. Bilgisayar destekli yöntemler ise sperm hücre hareketini video analizi ile tespit edip, sınıflandıran yazılım ve donanım ikilisinden oluşan sistemlerdir. Çalışmanın özel amacı sperm hücresinin hareketi ile oluşan öznitelik parametrelerini video analiz yöntemleri ile tespit ederek; Uç Öğrenme Makinesi sınıflandırıcı algoritmaları ile sınıflandırmaktır. Bu amaçla tasarım ve uygulaması yapılan sistem üç aşamadan oluşmaktadır. Birinci aşamada sperm hareket videolarında her bir sperm hücresinin tespiti için arka/ön plan bölütleme yöntemlerinden Gauss Karışım Modeli ve takibinin yapılabilmesi için Kalman Filtre-Macar Algoritması yöntemleri kullanılmıştır. İkinci aşamada tespit edilen hareketli her sperm hücresine ait koordinat bilgilerini kullanarak sperm hareket öznitelik parametre verileri elde edilmiştir. Son aşamada ise hareket öznitelik parametre verileri UÖM ile sınıflandırma yapılarak sonuçları irdelenmiştir. Sonuçlar değerlendirildiğinde UÖM yönteminin başarımı diğer sınıflandırma yöntemlerine (YSA, DVM ve NB) kıyasla en yüksek çıkmıştır. Bu tez çalışmasında yenilik olarak, UÖM'nin gizli katman hücre sayıları ve aktivasyon fonksiyon seçim işlemi geliştirdiğimiz M-DGA-UÖM yöntemi ile optimize edilmiştir. Böylelikle, UÖM'nin sperm motilitesinin doğru sınıflandırma başarımı arttırılmıştır. Ayrıca uygulaması yapılan M-DGA-UÖM yazılım sistemi paket bir program haline getirilerek, yapay öğrenme tabanlı sperm motilite analizi olarak kullanılması hedeflenmiştir. M-DGA-UÖM tabanlı bu yazılım bir taraftan yapay öğrenme tabanlı sistemlerin gelişimine katkı sunarken öbür taraftan da klinik açıdan erkek infertilite probleminin çözümünde etkili olacak teşhis yöntemlerinin gelişmesine katkıda bulunacaktır.
The performance comparison of support vector machine classification kernel functions on medical databases
In this research, an intelligent system framework was constructed by accurately comparing the classification performance of four different types of support vector machine; this included the SVM algorithm kernel functions (normalised polynomial kernel function (NPK), polynomial kernel function (PK), Pearson VII function-based Universal Kernel function (PUK), and the Radial Basis Function Kernel (RBF). This study used five different types of medical datasets (autistic children, autistic adolescents, chronic kidney failure, cryotherapy and immunotherapy), which differ from one another in terms of the quantity of the data and the medicinal and therapeutic content. The databases were extracted from the University of California Irvine machine learning repository. The method of tuning the parameters was followed in order to obtain the best performance results for the kernel functions using the Weka workbench tool. We then compared the best result of each kernel with the other kernels in terms of familiar classification standards in the field of data mining, which consisted of the confusion matrix, accuracy, sensitivity, precision and error rate.
Algısal özet fonksiyonları tabanlı derin öğrenme yöntemleri kullanılarak imgelerin sınıflandırılması
Endüstri ve akademik çevredeki veri bilimcileri; makine öğrenmesini, imge sınıflandırmasını, video analizini, konuşma tanıma ve doğal dil işleme süreçlerini pek çok alanda kullanmaktadırlar. İmge sınıflandırma aşamasında, özniteliklerin manuel olarak çıkartılması uzmanlık gerektiren bir alandır. Bu nedenle, öznitelik çıkarma aşaması imge sınıflandırılması için örüntü tanımada en önemli adım olarak kabul edilmektedir. Derin öğrenme algoritmaları, imgelerin manuel öznitelik çıkarma özelliğini ortadan kaldırmak için aktif bir araştırma alanı haline gelmiştir. Ancak imgelerde piksel seviyesinde işlem yapılması nedeniyle çalışma zamanını arttırmaktadır. Algısal özet fonksiyonları, imgelerin belirgin özniteliklerini tespit ederek özet değeri oluşturmaktadır. Dolayısıyla algısal özet fonksiyonu ile elde edilen öznitelik verilerine imgenin parmak izi de denilebilir. Bu tez çalışmasında imge yapısını bozmayan algısal özet fonksiyonu kullanılarak direkt ham imgelerden belirgin öznitelikler elde edilmiştir. Seçilen algısal özet fonksiyonunun performansını değerlendirmek için Bit Hata Oranı (BHO), Ortalama Karesel Hata (OKH), Tepe Sinyal Görüntü Oranı (TSGO) gibi parametreler ile karşılaştırılarak başarımları test edilmiştir. Veri tabanı olarak Fırat Üniversitesi hastanesinden alınan karaciğer tümör verileri ve halka açık veri tabanı olan Caltech-101 verileri kullanılmıştır. Derin öğrenme mimarilerinden Evrişimsel Sinir Ağ (ESA) algoritması, Ayrık Dalgacık Dönüşümü (ADD) – Tekil Değer Ayrışımı (TDA) tabanlı algısal özet fonksiyonu ile birlikte kullanılmıştır. Bu doktora tez çalışmasının amacı, algısal özet fonksiyonu tabanlı ESA kullanarak yüksek boyutlu imgelerin sabit diskteki kapladığı boyutu azaltan, sınıflandırma sürelerini kısaltıp sınıflandırma performansını kabul edilebilir bir eşiğin üzerinde tutmaktadır. ADDTDA tabanlı Algısal Özet Fonksiyonu (AÖT) ile ESA birlikte ilk defa kullanılarak özniteliklerin çıkarılması amaçlanmıştır. Karaciğer ve Caltech-101 veri tabanında bulunan çeşitli imgelere uygulanan AÖT-ESA yöntemi ile çıkartılan öznitelikler önerilen yöntemin başarımını test etmek için Yapay Sinir Ağları (YSA), Destek Vektör Makineleri (DVM), Ken Yakın Komşu (KNN) gibi sınıflandırıcılara verilmiştir. AÖT-ESA yöntemi, bir taraftan sınıflandırma performansının gelişimine katkı sunarken diğer taraftan da uzun süren çalışma zamanı probleminin çözümüne katkıda bulunmuştur.
Yüz ifadelerine göre otomatik duygu tespiti
Yüz ifadeleri insanların büyük oranda kontrolü dışında gerçekleşen ve hissettikleri duygularını karşısındakine aktardığı en temel davranıştır. Yüz ifadeleri insanlar arasında kurulan etkileşimde önemli rol oynamaktadır. İnsanların anlatmak istedikleri bilgiyi karşısındakine iletmenin birincil yoludur. Yüz ifadelerinin bilgisayar tarafından otomatik olarak tanınması kötü niyetli kişilere karşı tedbir alma, yeni doğan bebeklerde ağrı teşhisi, güvenli sürüş için yorgunluk tespiti, ruh haline göre müzik çalma listesi oluşturma, canlı emoji yaratma gibi birçok farklı alanda kullanılmakta olup hem akademik hem de ticari çalışmalarda oldukça ilgi görmektedir. Bu çalışmada yapay sinir ağları kullanılarak gerçek zamanlı alınan görüntüler üzerinde yer alan kişiye ait kızma, küçümseme, iğrenme, korkma, mutlu olma, üzgün olma, şaşırma gibi evrensel 7 yüz ifadesinin ve yalın halinin tespiti irdelenmiştir. Yüz ifadelerinin tespiti için yüz bölgesinde yer alan kaş, göz, burun, ağız ve çenenin yerlerini tam olarak işaretleyen nirengi noktalarından yararlanılmıştır. Bu noktalar kullanılarak yüz bölgesinde yer alan ağız, kaş, göz gibi yüz ifadesi belirleyicilerin durumu hakkında çıkarımlar yapılmıştır. Her bir belirleyicinin durumu veya belirleyiciler arasındaki ilişkiler için noktalar arası uzaklıklar kullanılmıştır. Bu uzaklıklar ile ağızın açıklığı, gözün kısılması, kaşların kalkması gibi durumların ifade edilebilmesi sağlanmıştır. Geniş kapsamlı bir çalışma sonucu oluşturulmuş olan Cohn Kanade Extended resim veri tabanı kullanılarak seçilen 4000'in üzerinde resim üzerinde eğitilen yapay sinir ağı ile %65 doğruluk oranına erişilmiştir. Çalışma ile gerçek zamanlı olarak alınan görüntülerden kişinin yaşından, cinsiyetinden ve ten renginden bağımsız olarak özellikle mutlu, şaşkın ve üzgün olmak üzere yüksek doğruluk oranlarıyla yüz ifadeleri tespit edilebilmektedir.
Improvement of the classification achievements of ECG signals using extreme learning machines
Electrocardiogram (ECG) is a biomedical signal that provides information about the electrical activity of a heart. The term non-stationary is often used in signal processing to describe a process in which the spectrum of the signal changes over time. The ECG signal provides cardiologists with useful information about the rhythm and operation of the heart. Analysis of the ECG signal is an effective method used to detect and treat different types of heart diseases. The Cardiologists identify the typical waveforms of a patient's ECG signal and form the basis for diagnosis. The clinical applications of ECG are performed in a subjective manner, depending on the screening of the morphological features specified in the various guidelines by the naked eye. Computer-aided automated ECG analysis is seen as a promising method to ensure a more quantitative and consistent ECG signal interpretation. Therefore, it is important to accurately detect ECG signals and to classify them with a high success rate. In this thesis, the use and development of Extreme Learning Machine (ELM) algorithms were performed in the analysis of ECG signals which is the non-stationary signal. The analysis of ECG signals consists of three steps. These are Pre-processing, Feature Extraction and Classification process. In the preprocessing process, baseline wandering and 60 (Hz) noise of the ECG signal have been corrected by using the wavelet family symlet10 wave, combo, and Savitzky-Golay filters. MIT-BIH and PTB ECG datasets available in the PhysioNet database which is open access for feature extraction and classification process have been used. In the thesis work, the traditionally used morphological features have been taken into consideration primarily. At the same time, statistical features of ECG signals have also extracted. Morphological features of the ECG signal have obtained using Pan-Tompkins and Discrete wavelet transform. In this context, a total of 11 feature have obtained from ECG signals. In order to carry out the classification process within the scope of experimental studies, Artificial Neural Network, Extreme Learning Machine (ELM), Support Vector Machine (SVM), k-Nearest Neighbors (k-NN), and Genetic Algorithm based Wavelet Kernel Extreme Learning Machine Algorithm (GAWKELM) and Differential Evolution Algorithm based Extreme Learning Machine (DEA-ELM) have been used. The performance values of the classifiers have compared with each other. In this context, Wavelet kernel ELM based on Genetic algorithm method has been added to the literature. The genetic algorithm used in the wavelet kernel ELM has been shown to contribute significantly to achieving highly promising results by optimizing the α, β and θ coefficients in the wavelet kernel ELM combined with classical ELM. The most efficient results were obtained 3, 9 and 4 optimum wavelet values and accuracy 90% by using Differential development kernel algorithm and Grid search methods. In addition, the highest classification performance value has reached by using Differential Evolution Algorithm with 97.5 %.
Derin öğrenme yöntemleri kullanılarak kalın bağırsak poliplerinin tespiti takibi ve sınıflandırılması
Derin öğrenme tabanlı algoritmalar, eğitim aşamasında milyonlarca parametre güncellemesi yaparlar. Parametre miktarındaki fazlalık, eğitim için yüksek miktarda etiketlenmiş veri gerektirir. Bu durum, tıbbi uygulamalar gibi etiketlenmiş verilerin az olduğu hayati öneme sahip alanlarda yüksek performanslı derin öğrenme algoritmaların kullanımını kısıtlar. Ayrıca bazı uygulamalarda yeterli miktarda etiketlenmiş veri bulunsa bile veri sınıflara ayrılacağından bölünecek ve azalacaktır. Bu tez çalışmasında, tıbbi imgelerde nesne takibi performansını arttırmak için nesne tespiti performansını arttırmaya odaklanılmıştır. Bu amaçla nesne tespitinde FP oranını azaltmak için yeni bir strateji geliştirilmiştir. Bu stratejide derin öğrenme nesne tespit algoritmaları ile algılanan nesneler imgeden koparılarak sınıflandırılmıştır. Sınıflandırma aşamasında, imge sayısı probleminden bağımsız, eğitim gerektirmeyen, takip performansını arttıran bir yöntem önerilmiştir. Önerilen yöntemde, koparılmış imge önceden eğitilmiş ESA mimarilerinden geçirilerek öznitelik vektörü elde edilmiştir. ESA mimarilerinin öznitelik çıkarma süresini, sınıflandırma performansını düşürmeden, azaltmak için imgenin farklı ESA mimarilerinden elde edilen öznitelik vektörleri birleştirilmiştir. Bu vektör, ADD ile alt örneklenip indirgenmiş ve güçlendirilerek DVM ile sınıflandırılmıştır. Bu kapsamda literatüre yeni bir sınıflandırma metodu kazandırılmıştır. Ayrıca elde edilen öznitelik vektörü nesne takibin atama probleminde maliyet matrisi oluşturulurken kullanılmıştır. ESA öznitelik vektörünün boyutunu indirgeyerek sınıflandırıcı performansını arttırmak amacı ile ESA özniteliklerine optimizasyon algoritmaları ve temel filtre yöntemleri uygulanmış ve performansları ADD ile karşılaştırılmıştır. ADD'nin öznitelik vektör boyutunu indirgeme konusunda son derece umut verici sonuçlara erişilmesinde önemli derecede katkı sağladığı görülmüştür. Ayrıca elde edilen öznitelik vektörü veri eşleştirmede kullanılarak takip performansını arttırmıştır. Önerilen yöntem, halka açık veri seti olan ColonoscopicDataset'den elde edilen kolonoskopi videolarında kalınbağırsak poliplerinin tespit, takip ve sınıflandırması ile test edilmiştir.
Veri gizlemede steganografik yöntemlerin performansını artırabilmek için yeni bir yaklaşımın geliştirilmesi
Gelişen güncel teknolojiler sayesinde veriye erişim oldukça kolaylaşmıştır. Ancak bu güncel teknolojilerin kötü niyetli kişiler tarafından kullanımı beraberinde güvenlik problemlerini de ortaya çıkarmıştır. Verilerin güvenilir bir şekilde saklanması ve gönderilmesi için çeşitli teknikler önerilmiştir. Bu tez çalışmasında 2 yöntem önerilmiştir. Bunlar Genetik Algoritma tabanlı Optimum Piksel Benzerliği (GA-OPB) yöntemi ve Dalgacık Paket Dönüşümü tabanlı Nötrozofik Küme (DPD-NK) yöntemidir. Her iki yöntemde de açık erişimli tıbbi imge veritabanı olan DICOM kütüphanesinden rastgele seçilen 512x512x3 ve 256x256x3 boyutlarında toplam 20 imge kullanılmıştır. Bu tıbbi imgelere 1000, 5000 ve 10000 karakterlik veriler gizlenmiştir. GA-OPB yöntemiyle veri gizlemede uygun piksel konumlarının belirlenebilmesi için piksellerin benzerliklerinden yararlanılmıştır. Uygun veri gizleme şeklinin belirlenebilmesi için de genetik algoritma kullanılmıştır. Veri gizleme işlemi yapıldıktan sonra veri gizlenen konumlar lifting dönüşümünden geçirilerek bir anahtar üretilmiş ve bu anahtar karşı tarafa gönderilmiştir. Elde edilen analiz sonuçlarına göre, 512x512x3 boyutundaki bir imgeye 1000, 5000 ve 10000 karakterlik veri gizlendiğinde sırasıyla 66,5374 dB, 59,4420 dB ve 56,3936 dB PSNR değeri bulunmuştur. 256x256x3 boyutundaki bir imgeye 1000, 5000 ve 10000 karakterlik veri gizlendiğinde ise sırasıyla 60,4308 dB, 53,3529 dB ve 47,4113 dB bulunmuştur. DPD-NK yöntemiyle veri gizlemede ise, imge 2 seviyeli dalgacık paket dönüşümünden geçirilerek alt bantlara ayrılmış ve nötrozofik küme yaklaşımı uygulanmıştır. Sayaç değeri yer değiştirme yönteminden geçirilerek anahtar olarak kullanılmıştır. 1000, 5000 ve 10000 karakterlik veri gizlemede sırasıyla k=1 için 58,1388 dB, k=2 için 57,2995 dB, k=1 için 54,5505 dB, k=2 için 53,0367 dB, k=1 için 51,9999 dB ve k=2 için 50,5468 dB PSNR değeri elde edilmiştir.
Multimedya veriler üzerinde veri gizleme için yeni yöntemler
İnternetin en sık kullanılan iletişim aracı haline gelmesi ve internet bağlantılı cihazların günlük hayatın her alanında kullanılmaya başlamasıyla birlikte, kişisel veriler hızlı bir şekilde sayısallaşmaya başlamıştır. İnternetin yaygın olarak kullanılması bilgi teknolojilerinin gelişmesine neden olmuştur. Bilgi teknolojileri geliştikçe, bilgi güvenliğinin önemi de artmaktadır. Bilgi güvenliğini sağlayabilmek için en sık kullanılan yöntemlerden ikisi şifreleme ve veri gizlemedir. Şifreleme mesajın içeriğini değiştirmeyi hedeflerken, veri gizleme mesajın varlığını gizlemeyi hedeflemektedir. Modern bilgisayar ve ağ teknolojilerinde sayısal verilerin bilgi güvenliğini sağlayabilmek için şifreleme sıklıkla kullanılmaktadır ancak şifreli mesajlar saldırganların dikkatini çekmektedir ve bu yüzden şifreli mesajlar birçok saldırıya maruz kalmaktadır. Bu problemi çözmek için veri gizleme kullanılmıştır. Veri gizleme ile örtü nesnesine gizli mesaj gömülerek mesajın varlığı gizlenir. Veri gizleme ile iletim hattının gizliliği sağlanırken, telif hakkı ve kimliklendirme gibi uygulamalar da geliştirilebilmektedir. Bu tez çalışmasında, veri gizleme yöntemlerinde varolan problemleri gidermek için yeni yöntemler geliştirilmiştir. Sır paylaşımı tabanlı veri gizleme yöntemleri, görsel sır paylaşımı tabanlı multimedya veri gizleme ve imge kimliklendirme yöntemleri, çok seviyeli veri gizleme yöntemleri ve blok tabanlı veri gizleme yöntemleri olmak üzere dört ana başlıkta dokuz adet yöntem geliştirilmiştir. Bu tez çalışmasında önerilen algoritmalar 4 ana kategoride sınıflandırılabilir. Geliştirilen veri gizleme algoritmalarının yüksek başarıma sahip olması amaçlanmaktadır. Önerilen algoritmalar aşağıda verilmiştir. • XOR sır paylaşımı algoritması geliştirilerek DNA-XOR tabanlı yeni bir sır paylaşımı algoritması önerilmiştir. Bu algoritma veri gizlemede kullanılmış ve başarılı sonuçlar elde edilmiştir. Bu yöntemlerin kapasitesi piksel başına 1.5 ve 2 bittir (bpp). Örtü nesneyi en az bozan elemanlar seçilerek tepe sinyal gürültü oranı (TPGO, PSNR) 51 dB'den yüksek elde edilmiştir. • Görsel sır paylaşımı algoritmaları genellikle gürültü benzeri sır parçaları üretmektedir ve bu algoritmalar sahtecilik saldırılarına maruz kalmaktadır. Hem sahtecilik hem de ataklardan sır parçalarını korumak için yeni anlamlı görsel sır paylaşımı şemaları oluşturulmuştur ve elde edilen sır parçaları veri gizleme algoritmaları kullanılarak gizlenmiştir. Bu algoritmaların genişleme katsayısı ve maliyeti diğer görsel sır paylaşımı yöntemlerinden düşük elde edilmiştir. • Veri gizleme kapasitesini arttırmak için çok seviyeli veri gizleme algoritmaları önerilmiştir. Bu yöntemler kullanılarak yüksek veri gizleme kapasitesi ve yüksek görsel kalite elde edilmiştir. • Blok tabanlı veri gizleme algoritmaları incelenmiştir. Mayın tarlası oyunu ve yön vektörü tabanlı iki adet veri gizleme algoritması önerilerek veri gizlemenin çok disiplinli bir yapıya sahip olabileceği gösterilmiştir. Bu yöntemler kullanılarak güvenilir, yüksek kapasite ve tranparanlığa sahip yeni veri gizleme şemaları oluşturulmuştur.
Kurumsal bilgisayar ağlarındaki trafik bilgisinin akıllı sistemler ile sınıflandırılması
İnternet kullanımının daha verimli hale getirilmesi amacıyla, internet üzerindeki verilerin sınıflandırılması özellikle kurumsal ağları yöneten ağ yöneticileri açısından önemli bir yer tutmaktadır. Son zamanlarda internet trafiğinin sınıflandırılmasına yönelik çalışmalar artmıştır. Bu çalışmalar ile ağ üzerinde servis kalitesinin artırılması, ağın verimli kullanılabilmesi, hizmet paketlerinin oluşturulması ve kullanıcılara sunulabilmesi amaçlanmaktadır. İnternet trafiğinin sınıflandırılması amacıyla kullanılan ilk sınıflandırma yöntemi port numaralarının kullanılmasına yönelik sınıflandırmadır. Bu sınıflandırma yöntemi, internetin ilk kullanım zamanları için etkili ve hızlı bir sınıflandırma yöntemi olmasına rağmen günümüzde geçerliğini yitirmiştir. Ağ trafiğinin sınıflandırılması için kullanılan bir diğer sınıflandırma yöntemi ise yük tabanlı sınıflandırma veya derin paket analizi olarak adlandırılmaktadır. Bu yaklaşım ağda akan paketler üzerindeki imzaları tanımaya çalışarak sınıflandırma yapma prensibine dayalıdır. Günümüzde yaygın olarak kullanılan ve bu tez çalışması için de seçilen bir diğer internet trafiğinin sınıflandırılması yöntemi ise makine öğrenmesi tabanlı yaklaşımlardır. Ağ üzerindeki akış bilgisinin toplanarak daha çok istatistiki yöntem ve algoritmaların kullanılması ile sınıflandırma yapılmasına dayanır. Tez çalışmasında, internet trafiğinin sınıflandırılması için daha önce hemen hemen hiç kullanılmamış olan Uç Öğrenme Makineleri (UÖM) yöntemleri kullanılmıştır. UÖM'nin başarımını karşılaştırabilmek amacıyla daha önce kullanılan makine öğrenmesi algoritmalarından Destek Vektör Makineleri (DVM), Naive Bayes (NB) ve Yapay Sinir Ağları (YSA) da veri setlerine uygulanarak karşılaştırılmıştır. UÖM algoritmaları ile yapılan sınıflandırma da diğer makine öğrenmesi algoritmalarına göre daha hızlı ve daha yüksek oranda başarım sağlandığı gözlenmiştir. Tez verilerine hem klasik hem de Çekirdek Tabanlı UÖM (ÇTUÖM) yaklaşımları uygulanarak sınıflandırma yapılmıştır. Sınıflandırıcıların her bir sınıfı için Alıcı İşlem Karakteristik (AİK) eğrileri oluşturulmuştur. Özellikle dalgacık fonksiyonunun kullanıldığı ÇTUÖM algoritmasında kullanılan parametrelerin iyi derecede seçimi için Genetik Algoritma (GA) tabanlı bir yazılım (GA-DF-ÇTUÖM) geliştirilmiştir.
Derin öğrenme algoritmalarının hiperparametre optimizasyonu ile nesne tanıma başarımının artırılması
Teknolojinin hızla gelişmesi derin öğrenme alanına da yansımıştır. Derin Öğrenme algoritmalarının sayısı ve performansında gelişmeler yaşanmıştır. Bunun beraberinde algoritmalarda kullanılan hiperparametre sayılarında da artışlar meydana gelmiştir. Hiperparametreler algoritmaların eğitimi sırasında önemli bir yere sahiptir. Hiperparametrelerin ideal olarak belirlenmesi eğitim süreci ve başarım oranlarını etkilemektedir. Bu eğitim sürecinde maliyet ve zaman anlamında gelmektedir. Hiperparametre değerleri derin öğrenme algoritmaları çalıştırılmaya başlamadan önce belirlenmektedir. Hiperparametrelerin belirlenmesi oldukça zahmetli bir süreçtir. Bu çalışmamızda derin öğrenme algoritmalarında bulunan hiperparametreler belirlenirken SGD, Adam, NAdam ve RMSProp hiperparametre optimizasyon teknikleri kullanılacaktır. Bu hiperparametre optimizasyon teknikleri 50, 100, 200 ve 300 iterasyon sürelerinde veri seti üzerine uygulanacaktır. Uygulama sonucunda hiperparametrelerin otomatik olarak belirlenmesi ve ideal bir seviyede tutulup yapılan eğitimlerin sürelerini azaltmak ve başarım performanslarını artırmak amaçlanmaktadır. Çalışma sonucunda elde edile hiperparametre ve başarım değerleri karşılaştırılıp en ideal olan hiperparametre değerleri belirlenecektir. Derin öğrenme algoritmaları arasında bulunan Yolov8 algoritması üzerinde belirtilen hiperparametre optimizasyon tekniklerinin başarım performanslarını doğrulamak amacıyla Roboflow sitesinden alınan beyin tümörü veri seti kullanılacaktır.