366
Archived Theses
0
DOIs Assigned
0%
DOI Rate
Discipline
Akıllı kart teknolojisiyle geliştirilmiş elektronik pasaport ve vize sistemi
Teknolojideki hızlı gelişim süreci ve onun bizlere sağladığı kullanım kolaylığı, günlük hayattabizler için önemli olan yerlere hızla girmesini sağlamıştır. Önceleri kredi kartı işlemlerimiziçin kullandığımız elle çalıştırılan POS (point of sale) makinelerinin yerini tam otomatik, aynıanda birçok kontrolü içinde barındıran cihazlar almış; tıpkı bunun gibi, yaygınlaşmayabaşladığında sadece arama yapmak ve mesajlaşmak için kullanılan cep telefonları bugünfotoğraf çekmekten radyo dinlemeye kadar birçok özelliği bünyesinde barındıran teknolojikaletler haline gelmişlerdir.Teknolojik gelişmelere paralel olarak önceleri yüzbinlerce dolara satılan yüksek kapasitelibilgisayarlar yüz dolarlar seviyesinde evlere girmeyi başarmış, sadece bilgisayarlarlakalmayan bu yayılma süreci yüksek çözünürlüklü tarayıcılara ve kaliteli yazıcılara dayansımıştır. Böyle olunca da, kâğıt üzerinde yapılmakta olan işlemler kopyalanabilir ya daüzerinde tahrifat yapılabilir hale gelmiş, tüm bunlar da bu tür işlemlerin güvenirliği sorgulanırhale getirmiştir.Ülkeler (ki buna ülkemiz de dahildir) kendi iç işlerinde birçok kademede bilgisayarlı sistemegeçmelerine rağmen, henüz farklı teşkilatlar arasında tam anlamıyla bir bütünleşmesağlanmadığından ve daha da önemlisi vatandaşlara bu sisteme geçiş tamamenyansıtılamadığından, kurumlar ve insanlar arasında kullanılan evraklar üzerinde değişiklikyapılabilmekte, bu durum da ülkelerin karşılaştığı önemli sorunlardan biri olmaktadır.Ülkeleri en çok zorlayan problemlerin başında o ülkeye yapılan girişlerin ve çıkışların kontroledilmesinin geldiği de açıktır. Pasaport ve vize, ülkelere giriş çıkışların kontrol edilebilmesiamacıyla kullanılan mekanizmalardır. Bu evraklar üzerindeki sahtecilik de öteden beridevletlerin ciddi biçimde engellemeye çalıştığı işlemlerdir. Ancak günümüz gelişenteknolojisinde de bunu önlemenin yolu, sahteciliğe dayanıklı bir mekanizma kullanmak vekâğıt evrakları tamamen terk etmekten geçmektedir. Bu tez, böyle bir sistemi altyapısıylabirlikte incelemek, örnek bir sistem ortaya çıkarıp, avantajlarını ve geliştirilme yollarınısunmak amacıyla yazılmıştır.Tez çalışmasında kullanılacak teknolojiler hakkında hem teorik hem de uygulamaya yönelikkapsamlı bir araştırma yapılmış, kullanılacak teknolojiler sonucunda ortaya çıkması muhtemelolan sorunlardan bahsedilerek, bu sorunlar üzerine yorumlar yapılmıştır.Anahtar Kelimeler: Pasaport, vize, elektronik pasaport, akıllı kart, güvenlik
Gerçek zamanlı veriler yardımı ile karar veren bir bilgisayar ağı saldırı tespit sisteminin tasarlanması ve gerçeklenmesi
Saldırı tespit sistemleri anormallik tespiti ve imza tabanlı olmak üzere iki farklı yaklasım içerir. Bu yaklasımların birbirlerine göre avantaj ve dezavantajları vardır. Tez çalısmasında her iki yaklasımı da kullanarak saldırı tespit basarısını arttırmak amaçlanmıstır. Anormallik tespiti için SVM (Destek Vektör Makinesi) metodu kullanılmıstır. Ancak, bazı sınıflandırma algoritmalarının da tasarlanan sistem üzerindeki basarımları ölçülmüstür mza tabanlı yaklasım için Snort sisteminden yararlanılmıstır. Snort sisteminin yalın ve modüler yapıda olusu; imza veritabanının sürekli güncellenmesi; gerçek zamanlı ve anormallik tabanlı çalısan bir sistemin Snort yapısının üzerine insa edilmesine olanak tanımaktadır. Tez çalısmasının gerçeklenmesinde hem açık kaynak olusu hem de uygulama gelistirme ortamlarının zenginligi nedeni ile Linux isletim sistemi tercih edilmistir. Tez çalısmasının sonucu diger saldırı tespit sistemleriyle karsılastırılmıs ve yapılan çalısmanın basarılı sonuçlar ürettigi görülmüstür. Anahtar Kelimeler: Saldırı, saldırı tespiti, ag saldırı tespit sistemi, Snort, destek vektör makinesi, C4.5, Random Forest, DARPA veri kümesi, KDD Cup 99 veri kümesi
Resimli doküman görüntülerinde doku özelliğine göre metin alanlarının bulunmasını sağlayan bir sistem
Sayısal ortama aktarılan yazılı ve basılı dokümanlar;, bilgiye erişim, depolama, güncelleme ve en önemlisi de bilgi paylaşımında kolaylık sağlamıştır. Ancak bu sayısal dokümanların düzenlenmesi için sunulan sayfa planını çıkartma, resim ve metin bölgelerini ayırt etme konusunda yapılan çalışmaların artmasına neden olmuştur. Bu çalışmada, yazı karakterlerinden oluşan metin bölgelerindeki dokusal özelliğin, resim bölgelerindeki dokusal özellikten farklı olduğu değerlendirilerek doküman görüntüsü üzerinde metin alanlarını tespit eden bir sistem geliştirilmiştir. Yazı karakterlerinin duyarlı olduğu açı değerlerine göre hazırlanan tek değer oranlı Gabor filtresinin görüntü üzerine uygulanmasıyla yüksek frekanslı bileşenler ve düşük frekanslı bileşenler elde edilmiştir. Yüksek frekanslı bileşenlerin olası yazı karakteri olduğu kabul edilmiş , buna uymayan çizgi, çerçeve v.b. yüksek frekanslı bileşenler, bağlı-parçacıklar yöntemiyle elenmiştir. Mevcut yöntemlerden farklı olarak, kelime ve cümleleri oluşturan karakterlerin devamlılık ve komşuluk özellikleri de değerlendirilerek olası yazı karakterleri üzerinde eleme yapılmıştır. Yazı karakteri, karakter takibi olarak adlandırılan bu eleme yöntemiyle bulunmuştur. Oluşturulan doküman modeli optik karakter tanıma işlemi için hazır hale getirilmiştir. Önerilen yöntem doğrultusunda tasarlanılan sistemin Gabor filtreleme basamağında, tek değer oranlı Gabor filtresi kullanılarak metin alanlarının bulunması hızlandırılmıştır. Yeni bir yaklaşım olarak sunulan karakter takip yöntemiyle yazı karakterlerinin tespitinde sistemin başarı oranı arttırılmıştır. Bu sistemle, karmaşık sayfa planına sahip Latince ve Kirilce gibi farklı alfabelerin harflerinden oluşan değişik dillerdeki dokümanlarda metin alanlarının bulunmasında başarılı sonuçlar elde edilmiştir. Anahtar Kelimeler: Metin alanlarının çıkarılması, Gabor filtreleme, çok kanallı filtreleme, sayfa plan analizi, karakter takibi.
İş akış yönetim sistemi
s akısı, dokümanların, bilgi ve islerin, tanımlanmıs kurallar çerçevesinde belirli bir hedefe ulasmak için katılımcılar arasında dolasımını saglayan süreç otomasyonudur. s akıs yönetim sistemleri, is akıslarının modellenmesi ve grafiksel olarak tasarlanması için grafiksel bir tasarım aracı ile, tasarlanan akısların yürütülmesi ve yönetilmesini saglayan bir is akıs motorundan olusur. Mevcut is akıs yönetim sistemleri ve bu sistemler ile hazırlanan süreçler arasında sıkı sıkıya bir baglılık olması, çok fazla degisime imkan vermemesi ve hazırlanan her yeni süreç ile beraber sistem üzerinde degisiklik yapılmasının gerekmesi is akıs yönetim sistemleri konusundaki problemlerin basında gelmektedir. Bu tezin amacı, genel tanımları ortaya konmus bir is akıs yönetim sisteminin gelistirilmesi yanında esnekligi ve genisleyebilirliligi arttıracak özelliklerin olusturulmasını saglamak, sistem ve çalıstırılacak süreçlerin birbirlerine olan baglılıklarını mümkün olan en üst seviyede ortadan kaldırarak aynı is akıs yönetim sisteminin farklı gerçek yasam uygulamalarında degisiklik yapılmaksızın kullanılmasına imkan vermektir. Çalısma sonucunda, herhangi bir konuda is akıs süreci hazırlanabilen ve bu süreci çalıstırmak için herhangi özel bir degisikligin yapılmasına gerek duyulmayan genel bir is akıs yönetim sistemi hazırlanmıstır. Anahtar kelimeler: s akıs yönetim sistemi, esneklik, genisleyebilirlik
Türkçe metinlerin benzerliğinin hesaplanması için yeni bir yöntem
Verilen iki metinin birbirleri ile benzerlik oranını hesaplamak için çok sayıda yöntem bulunmaktadır. Bu yöntemlerin bazıları doğrudan metinlerin benzerliklerini klasik yöntemlere göre hesaplarken, diğer bazı yöntemler ise daha akıllı bir şekilde çalışarak daha doğru ve insan zekasına yakın benzerlikler hesaplayabilmektedirler. Bu ikinci kısım yöntemler genel olarak Bulanık Metin Benzerliği olarak adlandırılmaktadır.Bulanık metin eşleme yöntemleri genellikle İngilizce dili ve İngilizce metinler düşünülerek geliştirildiğinden, İngilizce metinler için yüksek başarı gösterseler bile Türkçe metinlerde çoğu kez bu kadar başarılı sonuçlar üretememektedirler.Bu nedenle bu çalışmada Türkçe metinlerin eşlenmesinde ve benzerliklerinin hesaplanmasında sık karşılaşılan bazı hata durumları modellenerek yeni bir benzerlik hesaplama yöntemi geliştirilmiştir. Bu yöntem özellikle yazım yanlışlarını algılayıp, metinlerin benzerliklerini daha tutarlı bir şekilde hesaplamaktadır. Burada metin olarak ifade edilen kavram, birkaç harften oluşan bir kelime olabileceği gibi yüzlerce kelimeden oluşan paragraf gibi uzun bir metin parçası da olabilir.Geliştirilen bu yöntemin başarısını ölçmek için farklı seviyelerde ve farklı özelliklere sahip bilgisayar kullanıcılarından, farklı şekillerde veri girişi yapmaları talep edilerek, kullanıcıların hatalı girdikleri bu veriler kullanılmıştır. Bu kullanıcıların hatalı girdikleri metinler ve bu metinlerin doğru hallerinden oluşan metin çiftlerinin benzerlik oranları, Geliştirilen yöntem, Edit Distance Benzerliği ve Jaro-Winkler Benzerliği olmak üzere 3 farklı yöntem ile hesaplanarak, karşılaştırmalı olarak başarıları ölçülmüştür. Ayrıca bahsedilen 3 yöntemi kullanarak, herhangi bir Oracle veritabanı sisteminde bulunan tablolardaki tekrarlı veya benzer kayıtları bulan bir yazılım gerçekleştirilmiştir.Yapılan bu çalışma Türkçe Doğal Dil İşleme, veritabanı sistemlerinde bulunan benzer kayıtların bulunması, Türkçe işletim sistemi, Türkçe arama motorları, entegrasyon projeleri ve e-Devlet çalışmalarında faydalı olabilir.
Uzaktan algılamalı görüntülerin bant çıkarımı ve matematiksel biçim bilim ön işlemleri kullanılarak sınıflandırılması
Hiperspektral görüntüler, uzaktan algılama yöntemleri kullanılarak elde edilen ve geniş bir bant aralığından alınan yüzlerce imgeyi içerir. Bu imgeler kullanılarak, görüntüyü oluşturan her bir piksel için dalga boyuna bağlı olarak kesikli olmayan bir spektrum bilgisi oluşur. Bu spektrumlardan yararlanarak, sınıflandırma için gerekli olan bilgilerde artış sağlanmaktadır. Bu da sınıflandırma aşamasında, başarımı daha yüksek sonuçlar elde edilmesini olanaklı kılar.Hiperspektral görüntülerin, çok fazla tekrar eden bilgi içermesi nedeniyle son zamanlarda birçok uygulamada özellik çıkarımı yöntemleri kullanılarak bant azaltma yapılmaktadır. Bu yöntemlerin içinden, Temel Bileşen Analizi (TBA), bu çalışmada sınıflandırma öncesi kullanılan önişlemlerin ilk adımını oluşturmaktadır.Matematiksel biçimbilim işlemeleri ise TBA sonucunda elde edilen bantlardaki uzamsal verilerin ortaya çıkarılması amacıyla kullanılmaktadır. Temel işlemlerden olan açma ve kapama işlemleri, pikseller arası komşuluk ilişkilerini arttırarak sınıflandırma öncesindeki ikinci adımı oluştururlar.Bu çalışmada, Destek Vektör Makineleri (DVM) ve İlgililik Vektör Makineleri (İVM), sınıflandırma yöntemleri kullanılmaktadır. Daha önceki çalışmalarda bahsedilen DVM ile sınıflandırma başarımının arttırılması ve İVM ile bir karşılaştırması gözlemlenmiştir. DVM ve İVM sınıflandırma performansını artırmak ve sınıflandırma hesapsal yükünü azaltmak üzere, sınıflandırma öncesi hiperspektral görüntülere Temel Bileşen Analizi (TBA) ve biçimbilimsel yöntemler uygulanması önerilmiştir. Ön işlem olarak TBA ile bant sayısı azaltılmakta, biçimbilimsel işlemler ise veri kümelerinin sahip olduğu spektral özellikteki bilgilerin yanısıra, uzamsal özelliğe sahip bilgilerin ortaya çıkması olanaklı kılınmaktadır. TBA sonucu kullanılan her bir banta, biçimbilimsel işlemler uygulanarak, elde edilen bantlar İVM ile sınıflandırmaya sokulmaktadır. Önerilen yöntem, ön-işlem uygulanarak elde edilen düşük bant miktarında İVM sınıflandırmanın, doğrudan İVM ile karşılaştırıldığında daha iyi sonuçlar verdiğini göstermektedir.
Karma uyarım doğrusal öngörüm kodlaması yöntemi ile disfonik konuşmadan normal konuşma elde edilmesi
Konuşma, günlük etkileşimin en etkin ve verimli biçimlerinden biridir. Ses telleri, gırtlak içinden geçen havanın etkisiyle titrer ve ses çıkartılmasını sağlar. Damak, dil ve dudakların hareketiyle ses şekillendirilir ve konuşma halini alır. Oluşan sesin şiddetini akciğerler tarafından oluşturulan subglottik basıncın büyüklüğü belirler. Ses tellerinin gerginliğinin, şeklinin ve ses tellerine gelen hava basıncının değişmesiyle ses farklı şekillerde çıkar. Ses bozuklukları, gerek sinirsel, gerek yapısal, gerekse de ses telleri üzerinde oluşan patolojiler nedeniyle, konuşma için gırtlaktan çıkardığımız sesin tizliği, yüksekliği ve kalitesinde meydana gelen istenmedik değişikliklerdir.Sesini tamamen kaybetmiş hastalar için elektro gırtlak ya da ses protezi gibi tıbbi ve mekanik çözümler önerilmiştir. Ancak bu teknikler enfeksiyon riski taşıyabilmekte ya da üretilen ses kalitesiz olabilmektedir. Bu tekniklerle üretilmiş seslerin kalitesinin yükseltilmesine yönelik çalışmalar son 15 yılda hızlanmış ve birçok sistem tasarlanmıştır. Ancak literatürde bu tekniklere alternatif olarak kullanılabilecek doyurucu bir çalışma mevcut değildir. Bu çalışmada, konuşma yeteneğini tamamen kaybetmiş hastalar için ses protezi gibi kullanılabilecek yazılım tabanlı bir sistem tasarlanmış ve gerçeklenmiştir.Tasarlanan sistemde, iyileştirilmiş konuşmanın sentezi için KUDÖK (Karma Uyarımlı Doğrusal Öngörüm Kodlaması, MELP) kullanılmıştır. Disfonik konuşma için ötümsüz sessiz içeren çerçeveler tespit edilmiş ve bu çerçeveler dışındaki çerçeveler için formant frekansları ve perde bağlantısı kullanılarak perde oluşturulmuş, formant yapısı değişikliği yapılmış ve seslilik eklenmiştir. Perde üretimi için perde-formant frekansı ilişkisinden yararlanılmıştır.Geliştirilen sistem ile elde edilen sentetik sesin kalitesinin incelenmesi için spektral uzaklık hesabı yapılmış ve öznel dinleyici testlerine başvurulmuştur. Testler sonunda sentetik sesin disfonik sese göre normal sese yaklaşık %20 oranında daha yakın olduğu saptanmıştır. İleriki çalışmalarda sentetik ses kalitesinin arttırılması ve gerçek zamanlı bir gömülü sistem uygulaması haline getirilmesi ile sesini tamamen kaybetmiş hastaların yeniden etkin sesli iletişim kurabilmelerine yardımcı olacak alternatif bir metod geliştirilebilir.Anahtar Kelimeler: Ses Bozuklukları, Ses Değiştirme Teknikleri, Karma Uyarım, Doğrusal Öngörüm Kodlaması
Hybrid nature-inspired optimization for stability and disturbance rejection in tethered unmanned aerial vehicles.
The study proposes a new hybrid optimization model that is intended to be used in the design of a high-level attitude control system to be applied in tethered Unmanned Aerial Vehicles (UAVs). The suggested solution is based on a Fractional-Order Proportional-Derivative-Integral (FOPDD-I) controller alongside a hybrid optimum algorithm that will be a fusion of Harris Hawks Optimization, the Eagle Strategy, and Particle Swarm Optimization (HHHO-ES-PSO). A systematic comparison of the optimized FOPDD-I controller performance with a number of benchmark control schemes is made, such as the Conventional PID, Cascade PID, classical Active Disturbance Rejection Control (ADRC), and Advanced ADRC. Extensive simulations with MATLAB indicate that the HHHO-ES-PSO-tuned FOPDD-I controller has a better dynamic behavior, which is characterized by higher stability, quicker transient response, and better disturbance rejection than the traditional ones. The quantitative results of optimization show an increase in the proportional gain (K_p) by 56.5% and in the integral (K_i) gain by 65.2% and a reduction in the derivative gain (K_d) by 98.4% effectively reducing the yaw overshoot and oscillatory behavior. In addition, the parameters of the fractional-order were also adjusted in an adaptive manner, which resulted in adaptability gains of 12.5% and 14.7% in nonlinear dynamic conditions. Conversely, traditional PID and Cascade PID controllers only offered small gains in tuning, whereas classical and improved ADRC methods demonstrated moderate, but relatively small, gains in performance. The results of the study have also demonstrated that a significant portion of the value of applying a fractional-order control in conjunction with hybrid metaheuristic optimization lies in the fact that the suggested model, FOPDD-I controller, is a powerful and adaptable approach to tethered UAV attitude control in highly complex and uncertain operating conditions.
E-ticaret sitelerine öneri sisteminin uygulanması
Dijitalleşme sadece metalar ve maddi varlıklar doğrultusunda değil, kişilerin davranış ve alışkanları üzerinden de mümkün bir hâle gelmiştir. Bu durum, birçok alan ve amaç için yeni veri depolarının doğmasına sebebiyet vermiştir. Söz konusu veri kaynaklarını kullanmak ise başta e-ticaret olmak üzere çeşitli alanlarda verimliliğin artmasında rol oynamıştır. Bu çalışmada, depolanan verilerin aktif bir şekilde kullanılabilmesi adına geliştirilmiş olan veri madenciliği, veri madenciliğinde maksimum fayda sağlayan öneri sistemleri ve öneri sistemlerinin verimli kullanımına katkı sağlayacak öneri sistemi uygulamaları ele alınmıştır. Detaylandırılmış alt kısımlarla birlikte dört ana bölüme ayrılmış olan bu çalışmada öncelikle veri madenciliğine yer verilmiştir. Her bir ana bölüm içeriğine bağlı olarak alt kısımlara ayrılmış olup ana başlıkla ilgili tüm detayları içerecek şekilde hazırlanmıştır. Olası problemlere çözüm önerileri verilirken ihtiyaçlar birçok farklı açıdan da değerlendirilmiştir. İlk bölümde yer verilen veri madenciliğinin tanımsal kavramlarıyla birlikte süreçleri ve modelleri, yol haritalarıyla desteklenip konu bağlamında anlatılmıştır. Bu bölüm, ana fikri destekleme noktasında önem taşımanın yanında çalışmanın üzerine oturtulduğu temellerden biri olarak da görev yapmaktadır. İkinci bölüm ise veri madenciliği ile elde edilen verilerden yola çıkarak uygulamaya konulan öneri sistemlerine ayrılmıştır. Öneri sistemlerinin kullanım amaçları, uygulama yöntemleri ve faydalarının yanı sıra getirdiği zorluklar da incelenmiştir. Ayrıca e-ticaret sektöründeki aktif ve gelişmeye devam eden öneri sistemlerinden de bahsedilmiştir. Literatür araştırmasının yer aldığı üçüncü bölümün ardından dördüncü bölüm olan materyal yönteme geçilmiştir. Burada da veri madenciliği temelinden ve öneri sistemleri bağlamından kopulmamış olup ilk olarak sistem verilerine değinilmiştir. Sistem verileri, aktivite verileri ile desteklenmiştir. Bu süreçte proje tasarımları ve yapılması gereken analizler de öne sürülmüştür. Son kısım, veri madenciliğini doğru ve etkin bir şekilde uygulayıp majör faydalara erişimin stratejisini belirleme açısından önem taşımaktadır. Bu çalışma, öneri sistemi uygulamalarının mevcut verimini yukarı taşımak için bir ihtiyaç olarak doğan segmentasyon, analiz ve filtreleme süreçlerini yönetebilmek adına önermeler sunmaktadır. Söz konusu önermeler sunulurken istatistikler ve örnek çalışmaların performansları referans alınmıştır.
Derin öğrenme teknikleri kullanılarak mamografi görüntüleri üzerinden meme kanseri tahmini
Teknolojik ilerlemeler, birçok sektörde olduğu gibi sağlık alanında da akıllı makinelerin karar verme süreçlerine dahil edilmesine olanak tanımıştır. İnsanlardan daha hızlı analitik düşünebilme ve ilişkileri saptama yetenekleri sayesinde bu makineler, uzmanlara doğru kararların alınmasında önemli ölçüde destek sağlamaktadır. Özellikle kanserin erken teşhisinin hayati öneme sahip olması, bu alanda yapılan yapay zeka çalışmalarını hızlandırmıştır. Kanserin erken tanısı, hastaların sağkalım oranlarının artırılması, organ kaybının önlenmesi ve radyoterapi, kemoterapi gibi tedavilerin en az düzeyde uygulanması bakımından kritik önem taşımaktadır. Memede oluşan küçük lezyonların tespiti genellikle mümkün olmamaktadır. Bu da hastalığın ilerlemesine ve ileri safhalarda fark edilmesine sebep olmaktadır. Kontrastlı Spektral Mamografi (CESM), bu tespit zorluğunu gidermek için geliştirilmiş yeni bir görüntüleme tekniğidir. Meme hücrelerine enjekte edilen kontrast madde ile lezyonları görünür kılan Kontrastlı Spektral Mamografi, dijital mamografide gözden kaçabilen lezyonları yakalamaya yardımcı olur. Doktorların daha güvenilir tanı koymasına ve hastalığa erken fark edilmesine olanak tanır. Bu tez çalışmasında, meme kanserinin teşhis sürecine odaklanılarak Kontrastlı Spektral Mamografi (CESM) görüntüleri kullanılmıştır. Çalışmada iki farklı veri seti üzerinde çeşitli derin öğrenme modelleri eğitilerek analizler gerçekleştirilmiştir. Kullanılan bu veri setleri CDD-CESM veri seti ve CESM@UCBM veri setleridir. CDD-CESM veri setinde toplamda 2006 görüntü bulunmaktadır. Bu görüntülerin 1003 tanesi düşük enerjili görüntü, 1003 tanesi ise bileşik görüntüdür. CESM@UCBM veri setinde ise 1138 adet görüntü bulunmaktadır. Bu görüntülerden 569 tanesi düşük enerjili, 569 tanesi ise bileşik görüntüdür. Bu çalışma kapsamında yapılan eğitimlerde veri setlerine 20 farklı açıdan yaklaşılmıştır. Veri seti 3 sınıflı (Normal, İyi Huylu, Kötü Huylu) ve 2 sınıflı (İyi Huylu, Kötü Huylu) olarak, ayrı ayrı ve birlikte olacak şekilde eğitilmiştir. Aynı zamanda bu ele alım şekillerine veri artırma yöntemleri uygulanarak veriler tekrar eğitilmiştir. Bu kapsamda, ResNet50, DenseNet121, EfficientNetB0, VGG16 ve VGG19 mimarileri uygulanmış ve beşli çapraz doğrulama sonucunda DenseNet121 modeliyle %76,46 kesinlik (precision), %95,35 duyarlılık (recall) ve %84,81 F1-Skor değerleri elde edilmiştir. Bu sonuçlar, önerilen yöntemin meme kanseri tanısında etkin bir destek aracı olabileceğini göstermektedir. Anahtar kelimeler: Derin öğrenme, Transfer öğrenme, Meme kanseri, Kontrastlı Spektral Mamografi.
A hybrid approach of differential evolution and artificial bee colony for feature selection
In this study, a hybrid method which combines Artificial Bee Colony Optimization Technique with Differential Evolution Algorithm is proposed for feature selection problem of classification tasks. The developed hybrid method was experimented on fifteen datasets from the UCI Repository which are commonly used in classification problems. The proposed hybrid feature selection method was also compared with the three most popular feature selection techniques that are Information Gain, ChiSquare and Correlation Feature Selection to evaluate its performance. The aim of this study is to reduce the number of features to be used during the classification process to improve run-time performance and accuracy of the classifier. The experimental results of this study showed that our developed hybrid method was able to select good features for classification tasks.
Developing oxygen amount prediction model of basic oxygen furnace steelmaking process with machine learning algorithms
Basic Oxygen Furnace (BOF) steelmaking is a highly complex multiphase physics and chemical reaction process, which aims to reduce the carbon content and increase temperature. During the process amount of oxygen blown into BOF is the most significant control parameter, which effects life of BOF refractory lining, production cost and producing steel in desired quality. In this thesis, the purpose is developing oxygen amount prediction of dynamic blow stage in BOF steelmaking process with machine learning algorithms. For finding the best prediction model, Linear Regression, Multi-Layer Perceptron (MLP), K-Nearest Neighbor (KNN), Extreme Learning Machine (ELM) and Support Vector Machine (SVM) based Sequential Minimal Optimization (SMO) Regression algorithms were compared using Weka and MATLAB. The results of the prediction models developed with gathered production data from BOF are close to each other. ELM and SVM based SMO regression predicted slightly better results than the other models.
Prediction of Hamstring and Quadriceps muscle strength of athletes using machine learning methods
The success of athletes is closely related to the muscles of the thigh, namely the hamstring and quadriceps. Among the different techniques used for measuring the hamstring and quadriceps muscle strength, the use of isokinetic equipments is the most accurate. However, their utilization is associated with several difficulties and limitations. The aim of this study is to build new and more comprehensive models for predicting the hamstring and quadriceps muscle strength of athletes using four main machine learning methods, namely Support Vector Machine (SVM), Multilayer Perceptron Neural Network (MLP), Radial Basis Function Neural Network (RBFNN) and Single Decision Tree (SDT). The root mean square errors (RMSE's) and the multiple correlation coefficients (R's) have been used for computing the prediction errors. On the basis of the results obtained, it has been proved that machine learning methods especially SVM can be used for the hamstring and quadriceps muscle strength prediction with an acceptable accuracy
An automated computerized system for soil texture analysis by using laser and LDR sensors
The aim of this thesis to develop a rapid and simple automated computerized system to analyze the percentage of soil particle Which could be used as a tool for evaluating soil quality for better agriculture research. To obtain the soil result we are using Arduino microcontroller device, LDR sensors, Red Laser lights, traditional hydrometer, electronics equipment, intelligent optimization technique and MATLAB software,. We developed an system for determining the particle percentages of sand and silt values on a digital interface without the use of conventional method. Soil texture, the overall textural defined by relative proportions of sand, silt, and clay in soil. We take the limited amount of soil put into the hydrometer than we put water and mixed it well to differentiate the soil particle. When the soil particles move in the water with different speed due to their density differences. We start out setup and received the signal from sensors and transmit to computer screen. The biggest particle among the others in terms of volume in soil is mainly known as sand and silt. To take the measurement of sand and silt in soil we used Arduino device and other instruments. We made this experiment for almost one and half hour. Between the experiment time's sensor detect the soil particle and give you data in the numeric form on your system screen. After collecting all the data through these process, we used intelligent optimization technique in MATLAB environment to compute soil particle which give the best result. In this thesis, the experimental results showed that, determination of proportion of sand and silt in a soil data using on computer aided estimation can be useful for agriculture research.
Determination of the heart beats on single arm ECG signals by using computational methods
The purpose of this thesis is to develop a quick and simple automated computerized method that analyzes the heart rhythm from ECG signal. The system consists of five ECG electrodes, customized hardware (ADS1298ECG FE) and MATLAB program on a computer. At first, to prepare a dataset, ECG electrodes placed on the left arm of each person. In order check the final success, we also collect dual-arm signals simultaneously by customized hardware (ADS1298ECG FE). All data from the ECG sensors are recorded on the computer. Then a MATLAB code is prepared to analyze ECG signals by inspiring literature methods. Each ECG signal in the dataset is processed with this analyzer code, and the results from left-arm are compared and commented at first with ones of dual-arm experiments and also with the values of the previous methods. Although the dataset used in the study is very small, the reached success shows that this kind of a system can be useful.
Defect classification of electronic boards by deep learning
Within the scope of this thesis, a study was carried out to detect production defects in printed circuit boards using deep learning. Studies on this subject in the literature generally focus on defects due to missing components and soldering errors. In this thesis, a situation assessment was made based on the case of Vestel Beyaz Eşya Sanayi, and in addition to missing components and soldering errors, a study was also carried out to detect reverse polarity and misalignment defects, which are relatively less studied in the literature. In this context, a total of 783 images of defective and defect-free PCBs obtained from various production lines of Vestel. The number of these images was increased to 1407 using various data augmentation techniques. Afterwards, a YOLOv5 model was builded for object detection with deep learning. Model performance was evaluated through precision, sensitivity, mean average precision and intersection over union metrics and the following performances are achieved: precison [0.694-0.912], recall [0.857-0.877], mean average precision [0.865-0.931] and intersection over union [0.735-0.786].
A Comprehensive Comparison of Open-Source MQTT Brokers Based on Architectural, Technical, and Functional Characteristics
daha sonra doldurulacaktır
A semantic vector space model using Euclidean distance based relatedness
In this thesis, it is aimed to develop an efficient method to measure the semantic relatedness of the words. Although computer-based studies have achieved good results on this subject for nearly three decades, they have not succeeded to produce relatedness measurement close to human intuition. In this study, a WordNet-based approach is preferred, because WordNet has a graph adapted model. In addition, it is inspired by the so-called word embedding model, which is based on the dense representation of word prototypes in the low-dimensional vector space. Through proposed model, randomly positioned word prototypes are located into appropriate positions in multidimensional vector space with help of iterative learning algorithm that optimizes WordNet relation weights and word prototype positions that use Euclidean distance based relatedness. Both the positions of the words in the vector space and the weight of the semantic relations that connect the words on WordNet are determined effectively through the proposed model. The results obtained in the benchmark tests show that the new proposed model produces more successful results than the previous word-level semantic similarity studies. This approach might present a different perspective not only on semantic similarity studies but also on solving many other natural language problems.
Development of a new software for fabric defect detection and classification using image processing and machine learning methods
Quality control in the fabric industry involves a set of standards or guidelines that help guarantee a product meets certain parameters as well as customer satisfaction. Fabric defect detection (also called inspection) is a quality control process aimed at identifying and locating defects. The aim of this thesis is to build an application based on image processing and deep learning methods to automatically detect the defects on the fabric surface and classify them. Discrete Fourier transform (DFT). Normalized cross-correlations, homogeneity equalization, and Gabor filters have been used in image processing, Faster Region Proposal Networks (Faster-R CNN) has been used in classification. The mean square errors (RMSE's) has been used for computing the detecting and classification errors. Based on the results obtained, it has been proved that image processing methods especially DFT can be used for the defect detection with acceptable results.
Privacy preserving rule-based classifiers using modified artificial bee colony optimization algorithm
Privacy preserving data mining is a hot research field for data mining. The aim of privacy preserving data mining is to prevent the leakage of the sensitive information of individuals while performing data mining techniques. Classification task is one of the most studied fields in data mining hence in privacy preserving data mining as well. On the other hand, differential privacy is a powerful privacy guarantee that determines privacy leakage ratio by using ϵ parameter and enables researchers to mine data which includes sensitive information. Although the success of the rule-based classifiers using meta-heuristics such as Ant-Miner etc. in data mining has been demonstrated, any implementation of these classification algorithms with differential privacy has not been proposed in the literature to our best knowledge. Motivated by this, implementations of the rule-based classification algorithms by using meta-heuristics with differential privacy are performed in this thesis. According to the experimental results, the proposed rule-based classification algorithms outperform the other classification techniques in the literature for low ϵ parameters (i.e., ϵ=1). Key Words: Differentially Private Rule-Based Classifiers, Artificial Bee Colony Optimization, Privacy Preserving Classification.
Predicting maximal oxygen uptake using deep learning
Maximal oxygen uptake, or VO2max, is an external parameter that is affected by things like how many red blood cells the body has, how adapted the muscles are to distance running, and how much blood the heart can pump. It is measured as milliliters of oxygen used in one minute per kilogram of body weight. In a laboratory, it is calculated by measuring the volume (V) of oxygen (O2) that the body consumes while running on a treadmill which is the most accurate way. However, because of the serious drawbacks of direct measurement, a lot of studies have been conducted using machine learning methods to predict VO2max. The purpose of this study is to build new VO2max prediction models using deep learning (DL). The dataset has been split into training and test data using 70-30%, 80-20% split ratio, and 10-fold cross-validation. For comparison purposes, VO2max prediction models based on Multi-Layer Perceptron (MLP), Support Vector Machine (SVM), and Single Decision Tree (SDT) have also been developed. The performance of the prediction models has been evaluated using Standard Error of Estimate (SEE) and Multiple Correlation Coefficient (R). As a conclusion, DL can be used safely in VO2max prediction domain.
Automatic synset detection from Turkish dictinary using confidence indexing
Bu çalışmada, bir Türkçe anlamsal ağı, bilgisayar okunabilirliği olmayan tek dilli sözlükten tasarlanmıştır. Sözlük madde başları ve tanımları ağırlıklı iki parçalı çizge modeline işlenmiş ve anlamsal ilişkiler açısından analiz edilmiştir. Genel anlamsal ağının üst anlamlı, eş anlamlı ve karşıt anlamlı olarak birincil anlamsal ilişkileri Madde Başı-Anlam sözlüğüne göre analiz edilmiş ve anlam düzeyinde anlamsal ağa eklenmiştir. Eş anlamlı ilişkiler, geliştirilmiş bir eş anlamlılar kümesi tespiti için bir güven seviyesi ile etiketlenir. Ayrıca, madde başları ile bu madde başlarından oluşturulmuş olan türemiş ve bileşik madde başları arasında biçim-anlamsal ilişkiler eklenmiştir. Ayrıca N-Gram analizi, herhangi bir ek anlamsal ilişkinin örüntülerini bulmak için kullanılmış ve örüntüleri bulunan ek anlamsal ilişkiler, anlamsal ağa eklenmiştir. Son olarak, eşanlamlılar, kapsayan ağaç tabanlı eş anlamlılar kümesi algılama algoritması ile eş anlamlılar kümesi oluşturmak için kümelenmiştir. Elde edilen eş anlamlılar kümesi, güncel ve kapsamlı bir Türkçe wordnet ile karşılaştırılmıştır.
Fully automated deep learning and machine learning –based prognosis models for survival prediction of brain tumor patients using multi-modal mri images
Brain tumor is one of the most deadly types of cancer diseases. Accurate assessment of pre-surgical prognosis for patients with this disease can lead to better patient management. While Biopsy is the most commonly used diagnostic technique in routine clinical applications of prognosis estimation, it has several disadvantages such as it is invasive, and prone to tissue trauma. Consequently, automated pre-operative prognosis estimation techniques based on MRI images are recently getting attention, so noninvasive. However, most of the recently developed automated techniques are based on the handcrafted image features extracted from the manually segmented tumor regions in MRI, which is tedious & time-consuming. This study aimed to develop fully automated pre-operative prognostic models for the survival time, and glioma grade predictions in multi-modal MRI images of patients with brain tumors by using two-stage learning-based methods. In the first stage, we developed novel CNN architectures using pre-trained deep learning models as backend. In the second stage, the outputs of CNN models were fused using various classical machine learning methods to get the final prediction results. The experimental results demonstrate that the proposed prognostic models achieve AUC values of 99.7%, and 93% in glioma grading, and survival time predictions, respectively, outperforming current state-of-the-art results.
Predicting the performance of cross-country skiers using maching learning methods
The purpose of this thesis is to develop new regular and feature selection-based models for predicting the racing times of cross-country skiers by using machine learning and feature selection methods. Particularly, six popular machine learning methods including Optimized-General Regression Neural Network (OPGRNN), General Regression Neural Network (GRNN), Support Vector Machine (SVM), Multilayer Perceptron (MLP), Radial Basis Function Neural Network (RBFNN), and Single Decision Tree (SDT) have been used, whereas Relief-F has been employed as the feature selector. Several models have been developed to predict the racing time of cross-country skiers using physiological data along with a rich set of survey-based data. By performing 10-fold cross-validation, the prediction errors of the models have been calculated using root mean square error (RMSE). The results emphasize that OPGRNN-based prediction models show superior perfor¬mance and can be categorized as a feasible tool to predict the racing time of cross-country skiers. Furthermore, significant advantages such as the non-exercise-based usage and the applicability to a broader range of cross-country skiers make the prediction models proposed in this study easy-to-use and more valuable. Key Words: Machine learning, racing time, cross-country skiers, prediction
LGB tabanli toprak tekstür anali̇zleri̇nde test süresi̇ni̇n kisaltilmasi
In this thesis, an approach based on curve fitting, support vector regression, multilayer perceptron and long short-term memory architecture is proposed to shorten the experiment time in experiments with the Laser Guided Bouyoucos device developed for soil texture analysis. For this purpose, texture analysis signals obtained from 52 soil samples, each with 14400 samples (2 hours), were used. In the traditionally used curve fitting method, the shortest signal segment is found with an acceptable absolute error by shortening the soil texture signals from the end, while in machine learning methods, the shortest signal segment is found starting from the beginning. In the curve fitting method, the most suitable curve for the soil signals was selected as the 2nd degree exponential equation with the R-squared method. In the time shortening study with SVR, the model was trained and tested in the sample range of 1000-7000. In order to determine the entrance segment length in the MLP method, tests were carried out with a segment size in the range of 50-950 and the entrance segment size was selected as 200. In the MLP method, 3 layers are used: 1 input layer with 200 inputs, 1 hidden layer with 100 neurons, and 1 output layer with output. In the LSTM method, a 3-layer architecture is used, including the 1-input input layer, the 200-neuron LSTM layer, and the single-output output layer. As a result of the time shortening studies, the soil components were estimated with the SVR.
Depth from blur
The most accessible and appropriate approach to recording and storing the depth measurements collected from a scene is through a depth map; accurate depth maps are also essential in extended reality and movie production. This topic of study is both intriguing and beneficial, and lucrative. Several firms are developing depth estimates for a range of reasons. Some may use it to add effects (such as bokeh) to photos and selfies (portrait mode) based on distance from the camera; others, both aerial and terrestrial, may utilize it for replacing or supplementing existing sensors in autonomous vehicles. A depth map is a two-dimensional array with the x and y distance information corresponding to the array's rows and columns, as in a conventional picture. This study examines the single-image depth inference problem using focus and blur images. A comparative work that examines Carvalho's, Lee's and Laina's methods that produce a depth map from a single image is carried out in this thesis. Carvalho's method takes a single synthetic to defocus image as input, and the output is the depth map using D3-Net. Both Lee's and Laina's approaches build a depth map from a single image using encoder-decoder architecture and Residual Network (ResNet50), respectively. After that, the predicted depth maps were segmented into three classes (near, far, far away). This study aims to determine the best performing method for estimating the depth map using the New York University v2 dataset. Furthermore, we can use the segmentation results to navigate the cameras (drones, robots, autonomous vehicles, etc.). As the results show, Carvalho's method was the best in-depth map estimation because of the synthetic defocus image dataset. Nevertheless, Laina's method is the best segmentation in near and far areas. The experimental results demonstrate that the NYU v2 dataset used with these models achieved accuracy values of 99.8%, 99.0%, and 98.8% for Carvalho, Laina, and Lee, respectively, for the predicted depth map. For segmentation, the accuracy values were 77%, 55%, and 90% for Carvalho, Lee, and Laina, respectively. Keywords: Depth map, Blur, Recurrent Neural Network, Convolutional Neural Network, Deep Learning
Comparison of RNN-CTC, LSTM-CTC and GRU-CTC models and parameters on a new Turkish audiobook dataset
Speech is very important in human communication. Speech recognition systems work to convert sounds and text. Devices that use speech recognition systems make daily life easier. Although there are many studies on Turkish speech recognition systems, the lack of data sets is obvious. In this thesis, the original Turkish Audiobook Dataset was developed and neural network models were examined. An original data set obtained from audiobook recordings was prepared. Convolutional Neural Networks (CNN), Recurrent Neural Networks (RNN), Long Short Term Memory (LSTM), Gated Recurrent Units (GRU), Connectionist Temporal Classification (CTC) models were examined and compared on the obtained data set.
Contextualized intent detection using generalized SemSpace and BLSTM
In this thesis, a novel method called Contextualized Deep SemSpace has been developed to address the problem of the intent detection problem in the field of natural language processing. In the proposed method, firstly, sense-based vectors are generated from WordNet data using the generalized SemSpace approach, words representing the context of each dataset are clustered in this vector space, and then the disambiguation process is carried out by selecting the closest sense candidate to the context cluster of the words whose sense was ambiguous. Finally, the sense-based contextualized SemSpace vectors we generated are trained with the Bidirectional Long Short-Term Memory (BLSTM) model. To measure the success of the resulting model, tests are conducted on six well-known intent detection benchmark datasets (ATIS, Snips, Facebook, AskUbuntu, WebApp, and Chatbot). According to the comparison results, the recommended method generates context-based word vectors similarly to large language models such as BERT, ELMo, and GPT which are available in the literature, beacuse it uses both sense-based vectors and a context-based word disambiguation method. It is also predicted that this approach can be used successfully in many problems in the field of natural language processing.
DDoS attack detection from network traffic data using machine learning methods
This thesis aims to develop new DDoS attack prediction models by employing various machine learning and feature selection methods. Especially, Logistic Regression (LR), Multilayer Perceptron (MLP), Support Vector Machine (SVM), and Random Forest (RF) have been used to build different DDoS attack prediction models. Relief-F and minimum redundancy maximum relevance (mRMR) algorithms have been utilized as feature selectors. The dataset has been created with 10.000 rows of traffic data, considering an equal number of rows containing four different attack types and normal traffic. The dataset encompasses a diverse array of predictor variables, notably including packet size, transmission time, and indicators of attack occurrences, among numerous others. Accuracy, precision, recall, and F1-score metrics has been utilized to evaluate the performance of the models, whereas the generalization errors of the models have been assessed using 10-fold cross-validation. Results reveal that RF surpasses all other ML classifiers for predicting DDoS attack detection. Overall, mRMR performed better than Relief-F in predicting the DDoS attack detection. In both feature selection methods, it has been determined that packet size and temporal features are the most important predictors of DDoS attack prediction.
Hava aracı tespit ve takip sisteminin gerçek zamanlı olarak gömülü sistem üzerinde gerçekleştirilmesi
Bu tez çalışması, İnsansız Hava Araçlarının (İHA) çeşitli savaş senaryolarında pilot seviyesinde karar alabilme ve hedef takip edebilme yeteneklerini kazanmasını sağlayacak bir gömülü sistem geliştirmeyi amaçlamaktadır. Bu kapsamda, gömülü sistemler ile nesne tespit modellerinin entegrasyonu ele alınmış ve gerçek zamanlı olarak hedef tespit ve takip işlemlerinin sağlanması hedeflenmiştir. Çalışmada Python, OpenCV ve YOLO gibi teknolojiler kullanılarak, düşük gecikme süresine sahip bir sistem elde edilmesi amaçlanmıştır. Sistem, İHA'nın burun kısmına yerleştirilen yüksek çözünürlüklü bir kamera ile canlı görüntü elde ederek, bu görüntüyü gömülü sistem üzerinde işleyip hedef hava aracını tespit etmekte ve takip işlemini başlatmaktadır. YOLO modeli, bu projede yüksek doğruluk ve hız sağladığı için tercih edilmiştir. Hedef hava aracının konumu ve yönelimi tespit edildikten sonra, uçuş bilgisayarına gönderilen kontrol sinyalleriyle takip işlemi sürdürülmektedir. Bu teknoloji sayesinde, savaş pilotlarının maruz kaldığı tehlikeli senaryolar, insan müdahalesi gerekmeksizin otomatik olarak yönetilebilmekte, bu da güvenlik ve operasyonel maliyetler açısından önemli avantajlar sunmaktadır. Tezin deneysel çalışmaları kapsamında, farklı simülasyon yazılımları ve sanal test ortamları aracılığıyla elde edilen sonuçlar, sistemin doğruluk ve kararlılık açısından başarılı performans sergilediğini ortaya koymuştur. Özellikle YOLOv8n modeli, eğitim sürecinde %90,79 mAP@0.5 doğruluk değerine ulaşarak sabit kanatlı hava aracı tespiti görevlerinde yüksek başarı sağlamıştır. Bu doğruluk oranı, gömülü sistemler için optimize edilmiş modeller arasında önemli bir yer edinmiştir. Gerçek zamanlı testlerde Jetson Nano üzerinde ortalama 17,5 FPS değerine ulaşılmış ve bu da sistemin hem hız hem de doğruluk açısından uygulamaya elverişli olduğunu göstermiştir. Takip algoritmaları açısından değerlendirildiğinde, klasik Kalman Filtresi düşük hesaplama maliyetiyle bazı senaryolarda yeterli performans sunarken, karmaşık manevralar ve doğrusal olmayan uçuş dinamiklerinde yetersiz kalmıştır. Bu bağlamda kullanılan Genişletilmiş Kalman Filtresi (EKF), hem bilgisayar hem de Jetson Nano ortamında yapılan testlerde yüksek izleme kararlılığı sunmuş ve sistemin genel performansına önemli katkı sağlamıştır. EKF ile yapılan izleme sürecinde sistem, yön değiştirme, hızlanma ve hedef kaybı gibi durumlarda dahi kesintisiz ve tutarlı tahminler üretebilmiştir. Sonuç olarak, YOLOv8n tabanlı nesne tespiti ile EKF destekli takip algoritmasının entegrasyonu, sistemin doğruluğunu, kararlılığını ve gerçek zamanlı işleyebilirliğini optimize eden etkili bir çözüm sunmuştur. Bu çalışma, İHA'ların otonom görev icra kabiliyetlerini artırmakta ve literatürde yer alan geleneksel yöntemlerin ötesine geçen yenilikçi bir yaklaşım ortaya koymaktadır. Elde edilen bu bulgular, ileride gerçek İHA platformları üzerinde yapılacak uçuş testleri için sağlam bir altyapı oluşturmakta ve sistemin savunma, güvenlik ve keşif uygulamalarına yönelik potansiyelini ortaya koymaktadır.
Kütüphane ortamlarının verimlilik analizi:IOt sensörleri ve makine öğrenimi ile optimum çalışma koşullarının belirlenmesi
Bu çalışma, üniversite kütüphanelerindeki çevresel koşulların izlenmesi ve analizine yönelik olarak Nesnelerin İnterneti (IoT) tabanlı bir sistemin geliştirilmesini amaçlamaktadır. Sistemde; ses düzeyi, ışık şiddeti, sıcaklık, nem, hava kalitesi ve kişi yoğunluğu gibi çevresel faktörler sensör ve mikrodenetleyiciler aracılığıyla toplanmış, kişi yoğunluğu ise kamera tabanlı görüntü işleme teknikleri ile ölçülmüştür. Kullanıcı deneyimleri anket yöntemiyle elde edilen geri bildirimlerle değerlendirilmiştir. Elde edilen veriler, K-En Yakın Komşu (K-Nearest Neighbors, KNN), Lojistik Regresyon (Logistic Regression), Karar Ağacı (Decision Tree), Rastgele Orman (Random Forest), Destek Vektör Makineleri (Support Vector Machines, SVM), Aşırı Gradyan Artırma (Extreme Gradient Boosting, XGBoost) ve Naive Bayes algoritmalarıyla analiz edilmiştir. Her bir çevresel faktör için ayrı ayrı ve tüm veriler bütünleştirilerek modelleme yapılmıştır. Analiz sonuçlarına göre; ses düzeyinde KNN %96.14, ışık verilerinde Random Forest %74.70, hava kalitesi analizinde Random Forest %90.14, sıcaklık verilerinde KNN %98.13, kalabalık analizinde Random Forest %40.46 ve genel değerlendirmede KNN %99.04 F1 skoru ile en yüksek başarıyı göstermiştir. Geliştirilen kullanıcı arayüzü, eğitilmiş modellerin ağırlık dosyalarını kullanarak her kullanıcı için ortam analizleri sunmakta; iç ortam hava kalitesi, ses düzeyi, sıcaklık ve ışık düzeyi gibi parametreleri değerlendirerek ortam kalitesini düşüren ana faktörleri kullanıcıya sunmaktadır. Kullanıcı geri bildirimlerinin çevresel verilerle entegre edilmesiyle oluşturulan model, ortamın genel uygunluk seviyesini belirlemekte ve çalışma ortamının verimliliği hakkında bütüncül analiz sağlamaktadır. Sonuçlar, çevresel faktörlerin bütüncül izlenmesinin ve kullanıcı geri bildirimlerinin kütüphane çalışma ortamlarını iyileştirmede kritik bir rol oynadığını ortaya koymuş, özellikle KNN algoritması %99.04 F1 skoru ile en yüksek başarıyı elde ederek veri bütünlüğü ve kullanıcı geri bildirimlerinin entegrasyonunun modelin doğruluğunu artırdığını göstermiştir. Bu tez, çevresel izleme sistemlerini klasik kontrol mekanizmalarının ötesine taşıyarak, kullanıcı odaklı geri bildirimlerle entegre edilmiş, esnek, ölçeklenebilir ve sahada uygulanabilir bir karar destek sistemine dönüştürmektedir. Ortaya konulan yaklaşım; yalnızca kütüphane ortamlarının değil, tüm ortak kullanım alanlarının çevresel konforunu artırmaya yönelik sürdürülebilir dijital dönüşüm politikaları için güçlü, bilimsel temelli ve uygulanabilir bir yol haritası sunmaktadır.
Makine öğrenmesi ile şifreleme algoritmalarının dinamik seçimi
Bu çalışmada, makine öğrenmesi (ML) sınıflandırma algoritmaları kullanılarak sistem parametrelerine göre optimum şifreleme algoritmasının dinamik biçimde seçilmesi amaçlanmaktadır. Literatürde, kullanılan algoritmaların genellikle manuel olarak seçildiği görülmektedir. Bu manuel seçim, özellikle kaynak kısıtlı sistemlerde performans sorunlarına yol açmaktadır. Oysa gerçek dünya uygulamalarında birçok parametre algoritma seçiminde belirleyici olur. Bunlar; veri boyutu, şifreleme süresi, deşifreleme süresi, bellek kullanımı, işlemci kullanımı, enerji tüketimi vb. Özelliklerdir. Bu doğrultuda, dosya boyutu, şifreleme süresi, deşifreleme süresi, işlemci ve bellek kullanımı ve enerji tüketimi gibi 6 kriterden oluşan 2000 satırlık sentetik bir veri seti Python programlama dili kullanılarak üretilmiştir. Veri seti için simetrik şifreleme algoritmalarından Blowfish, Advanced Encryption Standard (AES), Rivest Cipher 6 (RC6), Serpent ve Kalyna seçilmiştir. Modelde veri yedi farklı ML algoritmalarıyla test edilmiş; Rastgele Ormanlar (RF), Aşırı Gradyan Artırma (XGBoost) ve Histogram Tabanlı Gradyan Artırma (HistGB) modelleri en yüksek başarıyı göstermiştir. Sonuçlar, modellerin Makro-F1 ≈ 0.916 – 0.918 düzeyinde tutarlı performans sergilediğini göstermiştir. Çıkarım süresi için en hızlı XGBoost, eğitim süresi için en hızlı RF ve Makro-F1 için ise en yüksek HistGB olmuştur. Sonuç olarak tasarlanan model sistemin ihtiyaçlarını odağa alan bir yapı önermekte ve bu bağlamda literatürdeki boşluğu doldurmayı amaçlamaktadır. Oluşturulan mimari; Nesnelerin İnterneti (IoT), mobil sistemler ve bulut bilişim ortamlarında uygulanabileceği gibi gelecekte açıklanabilir yapay zekâ araçlarıyla da kullanılarak modelin karar performansının artırılması sağlanabilir.
Güvenli siber iletişim amacıyla web adresleri üzerinden yeni bir steganografik yaklaşım
Bilgi teknolojilerinin ve internetin hızlı büyümesi ile güvenlik kritik bir konu haline gelmiştir. Bu nedenle veri gizleme, gizli mesajların iletimi için önem kazanmıştır. Veri gizleme teknikleri video, görüntü, metin gibi gizli mesajları saklamaktadır. Veri gizleme tekniği kriptolojiden farklıdır. Bir kriptoloji şeması, mesajı şifreler ve mesaj alıcı tarafına daha güvenli ve içeriği tahmin edilemez bir şekilde gönderilir. Mesaj anlamsız bir içeriğe sahip olduğundan, iletişim esnasında gözlemci, mesaj değiş tokuşunu fark edebilmektedir. Bu nedenle kötü niyetli bir saldırgan tarafından tehdit gelme olasılığı kriptolojide her zaman vardır. Steganografi, hedeflenen alıcı dışında kimsenin gizli mesajın varlığı hakkında herhangi bir şey bilmediği şekilde iletişimi sağlama tekniğidir. Başarılı bir steganografi, taşıyıcı ortamın şüphe uyandırmamasına bağlıdır. Bu çalışmada, web sayfalarının URL adreslerini kullanan bir steganografik yaklaşım önerilmiştir. Görüntüler, taşıyıcı olarak kullanılmıştır. LZW, Aritmetik kodlama ile DES, AES, Blowfish, RSA şifreleme algoritmaları önerilen yaklaşımı karmaşıklaştırmak, kapasiteyi artırmak ve güvenliği desteklemek için kullanılmıştır. Deneysel sonuçlar, önerilen yöntemin, iki taraf arasındaki iletişim için uygun olduğunu göstermiştir. İletişim sadece bir web adresi üzerinden yapıldığından, herhangi bir gözlem durumunda şüphe uyandırıcı bir durumla karşılaşılmamaktadır.
Mobil ortamlar için güvenli veri iletişim kanalı geliştirilmesi
Kriptoloji bilgi güvenliğini içeren bilim dalıdır. Bir verinin iletim ortamına gönderilmeden önce okunmaz hale getirilmesi, hedefine ulaştıktan sonra ise karşı tarafın veriyi yeniden okunabilir haline çevirebilmesi için kullanılan şifreleme konularının genel adıdır. Veri güvenliğinin üst düzey olduğu alanlarda veri şifreleme algoritmaları ön plandadır. Bu çalışmada web servisleri aracılığıyla mobil platform üzerinde güvenli haberleşmenin sağlanabilmesi için, iletim ortamına bırakılacak ve ortamdan alınacak verilerin şifreleme algoritmalarıyla şifrelenip aktarılması sağlanmış, iki asimetrik şifreleme sistemi olan RSA [1] ve Eliptik Eğri [2] şifreleme sistemleri ile iletim verisi üzerinde şifreleme ve şifre çözme işlemleri uygulanıp, kıyaslamaları yapılmıştır. Bu yapıların performans karşılaştırmaları incelenip, alınan sonuçlar analiz edilmiştir. Analizlerden elde edilen bilgilere göre, mobil cihazlarda eliptik eğri şifreleme sisteminin RSA'ya oranla daha küçük anahtar boyutu ile daha güvenli, daha karmaşık şifreleme yaptığı belirlenmiştir. Anahtar üretme, şifreleme, şifre çözme, şifreli mesajı iletme sürelerinin karşılaştırılması sonucunda daha küçük anahtar boyutlarına sahip Eliptik eğri siteminin daha kısa sürede sonuca gittiği görülmüştür. Doğru algoritma ve anahtar boyutlarının seçiminde, yapıların birbirlerine göre avantaj ve dezavantajları ifade edilmiştir.
Kablosuz ağlarda yeni bir anahtar dağıtım yöntemi
Ağ teknolojilerinin gelişimi ve dijital cihazların artışı multimedya iletimini hızlı ve kolay kılmıştır. Bununla birlikte açık haberleşme kanalları üzerinden yapılan dijital veri iletimi, telif hakkı ihlalleri, dolandırıcılık vb. birçok güvenlik açığını beraberinde getirmiştir. Bu sebepten dolayı güvenli veri iletimi için geliştirilen yöntem ve teknikler oldukça önem kazanmaktadır. Bu tekniklerden biri olan steganografi, gizli iletişim için zararsız görünen bir taşıyıcıya veri eklemesi yapan bilgi gizlemenin alt dallarından biri olarak tanımlanabilir. Veri gizlenirken kullanılan yöntem ve tekniğin sistem dışı kişiler tarafından bilinmesi güvenli veri iletişimini olumsuz yönde etkileyecektir. Steganografinin güvenlik konusunda yetersiz olması, beraberinde şifrelemeyi gündeme getirmektedir. Açık haberleşme kanalları ile yapılmak istenilen gizli iletişimin, çeşitli steganografik metotlar ve şifreleme algoritmaları ile desteklenmesi gerekmektedir. Bu çalışmada, ağ kanalları üzerinden güvenli anahtar dağıtımı için ağ steganografisinden yararlanan bir yöntem geliştirilmiştir. Deneysel sonuçlar, yapılan çalışmanın sağlamlık ve algılanamazlık koşullarında uygulanabilir olduğunu göstermiştir.
Telekomünikasyon sektöründe müşteri kayıp analizi
İnsanların ihtiyaçlarına göre tüketim tercihleri farklılıklar gösterir. Müşteriye yatırım yapan kurumlar da bu tercihleri öngöremezler. Özellikle müşteri odaklı kurumlar yeni müşteri kazanma ve eldeki müşteriyi memnun ederek müşteri kaybını önlemeye çalışırlar. Müşteri odaklı sektörlerden birisi olan Telekomünikasyon şirketleri de müşteri kazanmak ve mevcut müşterilerini kaybetmemek isterler. İşte bu noktada çeşitli yollar ile müşterilerinin kaybını tahmin etmeye yönelik çalışmalar yaparlar. Bu tez çalışmasında, veri madenciliği ve makine öğrenmesi yöntemlerinden olan sınıflandırma algoritmaları ile müşteri kayıp analizi yapılmıştır. Bu analiz yapılırken makine öğrenmesi süreci adımlarından olan veri madenciliği üzerine çapraz endüstri standart süreç modeli (CRISP) kullanılmıştır. Sınıflandırma algoritmaları ile elde edilen modellerin performansları çapraz geçerleme ve hold-out performans yöntemleri ile değerlendirilmiştir. Çapraz geçerleme katı olarak 4 kat, 5 kat ve 10 kat çapraz geçerleme kullanılmıştır. 4 kat, 5 kat ve 10 kat çapraz geçerleme ile performans değerlendirmesinde karar ağaçları algoritmaları ile kurulan modeller, diğer modellere göre daha iyi bir performans göstermiştir. En iyi performansı gösteren C4.5 karar ağacı algoritmasının performansı yaklaşık olarak 0.98'dir. C4.5 karar ağacından sonra sırasıyla ID3 ve gini karar ağaçları, k-en yakın komşu ve bayes algoritmaları ile oluşturan modeller gelmektedir. k-en yakın komşu algoritması karar ağaçlarından sonra gelse de performansı C4.5 karar ağacına yakındır. Hold-out yöntemi ile veri seti %60-%40, %75-%25, %80-%20 ayrım oranlarına sahip sırasıyla eğitim ve test veri setine ayrılmıştır. Bu veri setleri üzerinde yapılan performans değerlendirmelerinde ise k-kat çapraz geçerlemedeki gibi benzer sonuç veren C4.5 karar ağacı en iyi performansı göstermiştir. Sonrasında k-kat çapraz geçerleme performans yönteminde yakın değerlere sahip olduğu ID3 ve Gini karar ağaçlarını geçen k-en yakın komşu algoritması olmuştur. En son sırada ise bayes algoritması yer almaktadır. k-en yakın komşu algoritmasının ID3 ve Gini karar ağaçlarını geçmesi hold-out ile rastgele ayrımda daha iyi performans göstermesinden dolayıdır. Veri madenciliği programı olarak kullanılan R sayesinde veri görselleştirme üzerine de bir çalışma yapılmıştır. Bu çalışmalara ek olarak sınıflandırma algoritmalarından en iyi sonucu veren C4.5 Karar ağacı algoritması ile oluşturulan model R paketlerinden Shiny ile web uygulaması yapılarak dinamik hale getirilmiştir.
Ameliyat odası çizelgelemenin genetik algoritma ile gerçekleştirilmesi
Bu tezde, hastanelerin en önemli birimlerinden birisi olan Ameliyat Odalarının en verimli şekilde kullanılabilmesi problemi ele alınmıştır. Bu problem tipi NP-Hard tipi problem olarak adlandırılmaktadır. NP-Hard tipi problem tanım olarak, çok sayıda kısıt içeren karmaşık problemler için kullanılmaktadır. NP-Hard tipi problemin, polinom değerlerden oluşmaması çözümünü karmaşıklaştırmaktadır. Bu tip problemlerin çözümü geleneksel matematiğe dayalı yöntemlerle olmamakta ve sayısal analiz yöntemleri kullanılarak ise sağlıklı sonuçlar elde edilememektedir. Karmaşıklık seviyesi fazla olan ve çok sayıda kısıt içeren NP-Hard tipi problemlerin çözümü için Genetik Algoritma (GA), tabu arama, benzetimli tavlama gibi sezgisel ve meta-sezgisel algoritmalar ortaya çıkmıştır. Ameliyat odası çizelgeleme problemi ise bu tezde en önemli meta-sezgisel algoritmalardan birisi olan genetik algoritma ile çözülmüştür. Program kodlanırken görselliği de sağlamak amacıyla C# programlama dili tercih edilmiştir. Ayrıca tamir operatörünün bu tip problemlerde genetik algoritmanın bir operatörü olarak kullanılmasının etkisi ve önemi de incelenmiştir.
Anestezi derinliği kontrolünde bulanık mantık ve yapay bağışıklık sistemi temelli karar destek sistem
Cerrahi müdahalelerde hastaların bilinç ve duyu kaybı yaşamalarına anestezi denilmektedir. Anestezi, anestezik maddelerin hastaya damar yolundan enjekte edilerek veya solunum yolundan gaza sabitlenmiş bir maske yardımı ile verilebilmektedir. Anestezi derinliği ise bilinç ve duyu kaybının ameliyat boyunca devam etmesidir. Bir hastanın anestezi derinliği, anestezik madde ve hastanın fiziksel karakteristik özelliklerine (yaşı, vücut kütlesi gibi) göre değişebilmektedir. Ameliyat sırasında bir hastanın anestezi derinliği, anestezi uzmanının, hastanın sistolik arter basıncı (Systolic Arterial Pressure- SAP) ve kalp atım hızı (Heart Pulse Rate- HPR) parametrelerini kontrol etme deneyimi ile belirlenmektedir. Bu değerler doğrultusunda verilebilecek anestezi miktarı (Anesthesia Output- AO) hesaplanarak hastaya verilir. Teknolojinin gelişmesi ile birlikte anestezi derinliğinin kontrol edilmesinde farklı yöntemler ortaya çıkmıştır. Bunlardan biri olan sezgisel optimizasyon teknikleri, doğadan esinlenmiş olup karmaşık problemlerde, tüm çözüm uzayını taramadan sezgisel olarak çok kısa sürede en uygun değere ulaşmaktadır. Sezgisel optimizasyon tekniklerinden biri olan Yapay Bağışıklık Sistemi (YBS) ise, son yıllarda mühendislik problemlerinin çözümünde oldukça ilgi görmektedir. Bu çalışmada, anestezistlerin anestezi derinliğini ölçmelerine yardımcı olması amacı ile YBS ve Bulanık Mantık (BM) temelli Anestezik Derinlik Karar Destek Sistemi (ADKDS) önerilmektedir. YBS ile anestezi derinliği hesaplamalarında kullanılan, BM üyelik fonksiyonlarının optimizasyonu gerçekleştirilmiştir. Giriş üyelik değerleri HPR ve SAP, çıkış üyelik değeri ise AO olarak belirlenmiştir. Gerçekleştirilen çalışmanın amacı, BM ile elde edilen ortalama karesel hata (Mean Square Error- MSE) değerinin azaltılmasıdır. BM kontrolünde, Yapay Bağışıklık Algoritmalarından (YBA) olan Klonal Seçim Algoritması (KSA) ile, üyelik fonksiyonlarının optimum değerlerini elde etmek için her adımda arama, hesaplama ve değerlendirme gerçekleştirilmiştir. Böylelikle, BM yönteminde uzman kişi tarafından gerçekleştirilen üyelik fonksiyonu belirleme işlemindeki olası hatalar azaltılmıştır. Gerçekleştirilen çalışma sonunda, alınan sonuçlar anestezist ve BM ile karşılaştırılmıştır.
Artırılmış gerçeklik ve coğrafi bilgi sistemleri yaklaşımları kullanılarak tarihi eser restorasyonu için mobil uygulama geliştirme
Bu çalışmada artırılmış gerçeklik teknolojisi ile coğrafi bilgi sistemleri yaklaşımlarını bir arada kullanarak tarihi eserler üzerinde yapılan restorasyon çalışmalarında izlenecek yolu göstermek ve yapılabilecek geri dönüşü olmayan hataları önlemek için bir mobil uygulama geliştirilmiştir. Bu uygulama bir tarihi eseri ve onun üzerinde yapılan restorasyon çalışmalarını tarihsel süreç içerisinde kullanıcıya sunmayı ve dolayısıyla muhtemel bir sonraki restorasyon için yol göstermeyi hedeflemektedir. Çalışma kapsamında örneklendirme işlemleri İstanbul'un simgesi olan Galata Kulesi üzerinde yapılmıştır. Çalışmada Galata Kulesi üzerinde yapılan restorasyon çalışmaları yıllar temel alınarak gösterilmiştir. 2 Numaralı Kültür Varlıklarını Koruma Bölge Kurulu'ndan Galata Kulesi'nin modellenmesinde doğru sonuçlara ulaşmak için gerekli dokümanlar alınmıştır. Çalışma coğrafi bilgi sistemleri (CBS) ile desteklenerek verimlilik ve ulaşım noktalarında güçlendirilmiştir. Bu kapsamda birden fazla uzmanlık alanı kullanıldığı için daha etkin sonuçlar elde edileceği ön görülmektedir. Galata Kulesi'nin zamansal değişimleri net bir şekilde kullanıcıya aktarılabildiği için çalışma turistik anlamda da dikkat çekmektedir.
Design and sorting of an object identification on machine vision by using line scan camera
This research represents designing a system to identify objects on a conveyor belt using machine vision. In the present study, a machine vision based on one line scan sorting was developed, the purpose being to sort objects based on various stages of maturity. Many different methods are available for object identification. But it design a system that separates and counting them. Different objects placed on the conveyor belt moves along, and a camera placed above the belt takes real-time video and feeds it to the MATLAB software for processing the object to compare with the basic template object. The vision camera understands an object based on its physical attributes, such as shape and size, to effectively control the hardware, which will be used in this work. Besides, the number of objects of a particular section that cross the conveyor to demonstrate the identification of moving objects is counted and displayed. For identifying a good object, the wavelength data is used, while determining how to match the geometric patterns and identify the dimensions, and edge detection is applied. The ability to count specific attributes of objects is tested in different test paths. The sorting of objects using machine vision was performed using an algorithm of pattern matching. A pattern image template was built and stored in a computer's memory. The vision application investigates the image and transfers it to the classifier if the received image matches the model image or not matches. In the conclusion part of the thesis, the results are discussed over the experimental data.
Çok katlı ve tam otomatik otopark yapısı için D* lite algoritması ile yol planlama
Tez kapsamında, tam otomatik otoparklarda çoklu ve eş zamanlı park etme ve geri alma taleplerinin dinamik olarak yönetilebilmesi için geliştirilen bir yazılım iskeleti sunulmaktadır. Sezgisel arama özelliğine sahip D* Lite, A* ve UCS algoritmaları duruma uygun olarak tek bir çatı altında birleştirilmiştir. Tasarlanan otopark alanı, dörtgen şeklindeki bir dizi park hücresinin yanı sıra asansör, yükleme alanı, giriş, çıkış ve geçiş yolları oluşturmak üzere ayrılmış olan boş hücrelerden oluşmaktadır. Otopark depolama topolojisindeki tüm park hücreleri hareketli taşıyıcılardadır. Ayrılmış boş hücrelerin dışında herhangi bir sürüş şeridi bulunmamaktadır. Ayrıca simülasyonda geçici geçiş yolları oluşturacak boş hücreler hariç tüm katın dolu olduğu varsayılmaktadır. Boş hücre sayısının hem depolama kapasitesini maksimize edecek hem de park etme taleplerine gerçek zamanlı cevap verecek şekilde belirlenmesi gerekir. Tezde ayrıca mevcut otopark düzeninde, en uygun ve en kısa yola mümkün olan en yakın yolu takip ederek işlemin tamamlanmasını kolaylaştıracak depolama stratejileri önerilmektedir. Simülasyon sonuçları, bu tezde sunulan otomatik park sisteminin uygulanabilir ve pratik olduğunu göstermektedir. Talep başına hareket sayısı üzerinden ölçülen gerçek yol uzunluğu, hesaplanan en kısa yol uzunluğuna yakın bir değerdedir. Bu da sistemin her istek için neredeyse en uygun yolu sağladığı anlamına gelmektedir. Sistem, gerçek zamanlı olarak yol planlaması yapmakta ve ortamda onlarca eş zamanlı depolama ve geri alma isteğine hızlı bir şekilde yanıt verebilmektedir. Yapılan simülasyonlar, tam otomatik otoparklar için geliştirilen algoritmanın gerçek yaşam senaryoları altında yönetilebilir bilgi işlem kaynakları ile gerçek zamanlı onlarca eş zamanlı park etme ve geri alma taleplerini karşılayabildiği gösterilmiştir.
Derin öğrenme tabanlı optik akış ile hareket tespiti
Hareket tespiti ve tahmini, güvenlik(bina/işyeri), otonom araçlar, sağlık, trafik, askeri gibi birçok alanda karşımıza çıkan önemli uygulamaları olan bir kavramdır. Hareket tespiti sırasında ortam bozulmaları, ışık değişimleri, nesnenin hızlı hareketi ve gürültüler hareket tespitini zorlaştırmaktadır. Hareket tespitinde kullanılan yöntemlerin ve algoritmaların performansı, doğru hareket tespiti yapma açısından son derece önemlidir. Hareket tespiti yöntemlerinin temelini oluşturan ve birçok algoritmada baz alınan optik akış yaklaşımları, hareket tahmininde de önemli bir yere sahiptir. Hareket tespitinde kullanılan ve 2015 yılından günümüze kadar uzanan derin öğrenme tabanlı optik akış hesaplaması ile hareket tespit yöntemlerinin bilinmesi, mevcut yöntemlere göre performansı ve doğruluğunun karşılaştırılması açısından son derece önemlidir. Derin öğrenme tabanlı optik akış hesaplaması ile hareket tahmini yöntemleri ve optik akış için kullanılan veri kümeleri bu çalışmanın ana konusunu oluşturmaktadır. Çalışmanın amacı, optik akış hesaplamasında derin öğrenme yöntemlerini kullanarak başarı elde etmiş çalışmaları incelemek, bazı algoritmaları yeniden eğiterek klasik yöntemler ile karşılaştırmak ve farklı video görüntüleri üzerinde performans analizleri gerçekleştirmektir. Bu çalışmada, geleneksel yaklaşımlardan günümüz derin öğrenme tabanlı yaklaşımlara kadar hareket tespitinin temelini oluşturan optik akış hesaplama yöntemleri ile ilgili literatür taraması yapılmıştır. Geleneksel yaklaşımlardan olan Lucas-Kanade, Horn-Schunck, Farneback yöntemleri farklı hareketli görüntülere uygulanarak elde edilen sonuçlar karşılaştırılmıştır. Daha sonra derin öğrenme tabanlı yaklaşımlarından FlowNet, FlowNet2 ve RAFT yöntemleri Sintel, KITTI veri setleri üzerinde eğitilerek uç nokta hatası ve kayıp değerleri farklı hiper parametreler kullanılarak grafik, tablo ve görsel çıktılar vasıtasıyla karşılaştırılmıştır. Çalışmada son dönemlerde popüler olan denetimsiz öğrenme ile optik akış hesaplama yaklaşımları, denetimli öğrenme yaklaşımları ile karşılaştırarak değerlendirmelerde bulunulmuştur.
Hibrit çok amaçlı rüzgar güdümlü optimizasyon algoritması
Temel anlamda optimizasyon, bir veya birden fazla problemin belirli koşullar altındaki en iyi çözümlerini bulma işlemidir. Günümüzde bu problemlerin çözümü için klasik yöntemler ve sezgisel yöntemler kullanılmaktadır. Sezgisel yöntemlerden biri olan Rüzgar Güdümlü Optimizasyon algoritması, rüzgarın atmosfer içerisindeki hareketini temel alarak atmosferik dinamik eşitlikten yararlanan tek-amaçlı optimizasyon problemlerine çözüm arayan bir algoritmadır. Bu çalışmada çok-amaçlı optimizasyon problemlerinin çözümü için Rüzgar Güdümlü Optimizasyon algoritması yeniden düzenlenmiştir. Çok-amaçlı optimizasyon problemlerinde elde edilen sonuçların gerçek sonuçlara ne kadar yakınsadığı ve bu sonuçların ne kadar çeşitli olduğu kullanılan yöntemlerin performansı hakkında bilgi vermektedir. Baskın olmayan sıralama, ağırlıklı toplam, normal sınır kesişimi gibi metotlar çok-amaçlı optimizasyon problemlerinde sıklıkla kullanılan yaklaşımlardır. Bu yaklaşımlardan bazıları çeşitlilik açısından ön plana çıkarken bazılarının ise en iyi sonuca daha iyi yakınsadığı gözlenmiştir. Bu çalışmanın temel amacı elde edilen çözümleri hem çeşitlilik hem de yakınsama açısından en iyi hale getirmektir. Bu amaç kapsamında baskın olmayan sıralama ve adaptif ızgara yaklaşımları bir arada kullanılarak yeni bir hibrit yaklaşım geliştirilmiştir. Daha iyi bir yakınsama için baskın olmayan sıralama, çeşitlilik için adaptif ızgara yaklaşımı bir arada kullanılmıştır. Geliştirilen bu hibrit yaklaşım test problemleri ve doğrusal olmayan denklem sistemlerinde test edilerek sonuçları literatürde iyi bilinen Baskın Olmayan Sıralamalı Genetik Algoritma (NSGA-II) ve Çok-Amaçlı Parçacık Sürü Optimizasyonu (MOPSO) algoritmaları ile karşılaştırılmıştır. Deneysel sonuçlar incelendiğinde çeşitlilik ve yakınsama performansı açısından geliştirilen hibrit yaklaşımın kabul edilebilir olduğu gözlenmiştir.
Vücut benlerinin klinik görüntüleri üzerinde derin öğrenme tabanlı hastalık tahmini sisteminin geliştirilmesi
Bilimsel olarak Melanomlara diğer cilt kanserlerine göre daha az rastlanır. Ancak cilt kanserine bağlı ölümlerin yaklaşık olarak %75'i melanomlara bağlı olarak gelişir. Kanser hücreleri çok hızlı büyüyen ve sistemik olarak yayılan bir davranış sergiler. Tüm kanser çeşitlerinde olduğu gibi cilt kanserinin tedavisi için de erken tanı büyük önem taşır. Dolayısıyla ciltte meydana gelen kanser belirtilerinin erken fark edilmesi ve doğru değerlendirilmesi son derece önemlidir. Vücut benlerii üzerinde bir değişiklik fark edildiğinde renk ve şekil açısından takip edilmeli, ten renginde veya pembe tonlarında görülen kabartılar da dikkate alınmalıdır. Dermatologlar sıklıkla Melanom'u erken aşamalarında tanılamak ve ortadan kaldırmak için düzenli cilt muayenesi önermektedir. Bu çalışmada derin öğrenme teknikleriyle, hastanın vücudundaki renkli lezyon görüntüleri üzerindeki örüntüler incelenerek cilt kanseri tespiti yapılmıştır. Tıpta bu konuda erken teşhisin önemine defalarca vurgu yapılırken çalışmamız sayesinde ben üzerinde kanser riski varsa erken teşhis edilip, tedavi aşamasına geçilmesi hedeflenmektedir. Çalışmamızda, dermoskopik görüntüler kullanılarak patolojik doğrulamaları yapılmış açık kaynak bir veritabanı ile evrişimsel sinir ağları başarılı bir şekilde eğitilmiştir. Dermoskopik görüntü cihazlarında; vücuttaki benlerin haritası oluşturularak renkli görüntüleri kayıt altına alınmaktadır. Böylece bir sonraki kontrolde elde edilecek görüntüyle karşılaştırma şansı sağlanmaktadır. Bu tez çalışmasında; Uluslararası Cilt Görüntüleme Birliği tarafından açık kaynak olarak erişime sunulan bir veri setindeki renkli lezyon görüntüleri, şekil ve boyut farklılığı üzerinden 7 farklı hastalığa ayrıştırılmıştır. Yapılan bu çoklu-sınıflandırma uygulamasında yüksek oranda doğruluk elde edilmiştir.
Bulut teknolojisi kullanan hasta takip hizmetlerinde mikroservis temelli uç sistem tasarımı ve geliştirilmesi
Sağlık sektörünün muazzam büyüklüğü ve kendine özgü spesifik zorlukları dikkate alındığında bu sektörde kullanılacak teknolojik sistemlerin yönetilebilirliklerinin ve sürdürülebilirliklerinin ne kadar önemli olduğu bir kez daha ortaya çıkacaktır. Bu sağlık sistemlerinden biri de hem hastalara hem de sağlık personeline önemli kolaylıklar sağlayan uzaktan hasta takip sistemleridir. Son yıllardaki teknolojik gelişmeler uzaktan hasta takip sistemlerinde iyileştirmelere olanak sağlamaktadır. Özellikle bulut hesaplamanın sağladığı avantajlar ve önemli bir yazılım mimarisi olan mikroservis teknolojileri kullanılarak daha esnek hasta takip uygulamaları geliştirmek mümkündür. Bu tez çalışması, günümüzün yeni teknolojilerinin getirmiş olduğu avantajlardan faydalanan bir uzaktan hasta takip sistemi tasarımına odaklanmaktadır. En önemli özgünlüğü ise bulut sistem yükünü ve maliyetini optimize edecek uçta/kenar hesaplama alt yapısını kullanmasıdır. Ayrıca önerilen sistem üzerinde yürütülecek yazılımların yönetilebilirlikleri konteyner teknolojileri ile sağlanmaktadır. Klasik monolotik yazılım mimarilerinin uçta hesaplama için çok verimli olmamalarından dolayı mikroservis temelli yazılım mimarileri tercih edilmiştir. Bununla birlikte hastaya ve diğer yardımcı servislere ait bilgilerin dağıtık mikroservisler üzerinde nasıl tutulacağı ve yönetileceği problemi de bu tez kapsamında ele alınmaktadır. Bu tez kapsamında ilk olarak mikroservisler için ne tür bir veri yönetim modelinin kullanılabileceği incelenmiş ve aday model tipleri için gerçek zamanlı testler gerçekleştirilmiştir. Bu testlerin sonucuna göre başarılı olan model, önerilen uzaktan hasta takip sisteminde kullanılmıştır. Önerilen sistemin hayati fonksiyonları yine bir mikroservis mekanizması olan devre kesici servisler ile kontrol edilmiştir. Hem hasta tarafı hem de sağlık kurumu taraflı servisler içeren sistem, aile hekimlikleri ve onların görev kapsamında bulunan hastalara yönelik tasarlanmıştır. Performans testleri gerçek uç cihazlar kullanılarak farklı senaryolar için gerçekleştirilmiş ve sistemin performansı ispatlanmıştır.
Kablosuz algılayıcı ağlarda yeni bir hibrit saldırı tespit sisteminin geliştirilmesi
Kablosuz algılayıcı ağlar (KAA); fiziksel ortamlardaki sıcaklık, basınç, titreşim, hız gibi değişkenleri algılamak ve sonuçlar üretmek için günümüzde birçok alanda kullanılmaktadır. Söz konusu ağlar, kritik ve hayati öneme sahip askeri, istihbari, sağlık ve doğal afetler gibi veri güvenliğin sağlanmasının önem arz ettiği alanlarda da kullanılmaktadır. Bununla birlikte KAA'lar, geleneksel ağlardan farklı alt yapı özelliklerine ve donanım kısıtlarına sahip olduğundan dolayı, bu ağlara yönelik etkili güvenlik önlemlerinin alınması elzemdir. Gelişen teknoloji ve değişen şartlar ile birlikte KAA'lara yönelik güvenlik önlemleri geliştirilmiştir. Saldırı tespit sistemleri, KAA güvenliğini sağlamak için geliştirilen etkili güvenlik çözümlerinden biri olmakla birlikte, günümüz şartlarında, STS'ler için önerilen algılama metotlarının, güvenliği sağlamak için tek başlarına yeterli olmayışı ve mevcut çalışmaların büyük bir kısmında güncelliğini yitirmiş veri kümelerinin kullanılması, KAA güvenliği için etkili ve güncel bir STS modeli ortaya konmasını gerekli kılmıştır. Bu tezde, STS'ler için önerilen algılama metotlarının hibrit olarak kullanıldığı bir model geliştirilmiş; modelde, KAA'ların kaynak kısıtlarına binaen, veri madenciliğine dayalı ön işleme adımları uygulanmıştır. Önerilen yaklaşımda, normal ve saldırı trafiğinin ayırt edilebilmesi için makine öğrenme algoritmaları kullanılmış, ağın eğitimi için en güncel veri kümesi referans alınmıştır. Benzetim sonuçları, önerilen modelin KAA'lar için kullanılabilecek performans ve güvenilirlikte olduğunu göstermiştir.
Motordan bağımsız kabin ısıtıcı cihazının kontrolü için bulanık denetleyici tasarımı
Aracın motoru çalışmadığında çalıştığı için park ısıtıcısı olarak da bilinen kabin ısıtıcıları, kış mevsiminde iç ortam havasını ısıtmak için kullanılan cihazlardır. Sadece arabalar ve kamyonlar için değil, aynı zamanda karavanlar, tekneler, hangarlar ve konteynerler gibi küçük alanlar için de popüler ısıtıcılardır. Bir kabin ısıtıcısının bulanık kontrolör tarafından çalıştırılmasıyla elde edilen kazanımlar daha önce literatürde incelenmemiştir. Bu yazıda geliştirilen bulanık çıkarım motoru, kabin ısıtıcısının yanma odasındaki hava-yakıt oranının sistem dinamiklerine göre uyarlanabilir bir şekilde kontrol edilmesini sağlayarak daha düşük karbon emisyonu ve yakıt tüketimi sağlar. Türkiye'nin soğuk bölgesindeki 21 m2'lik tipik bir sığınak binası için 4kW kapasiteli bir kabin ısıtıcısının geçici durum simülasyon modelini oluşturmak için TRNSYS yazılımı kullanılmıştır. Geliştirilen bulanık kontrolör, bu sığınağın ısıtma işlemini 15 Kasım'dan 15 Mart'a kadar gerçekleştirdi. Isıtma sezonu sonunda yakıt tüketiminin yaklaşık 0.12 l/h azaldığı gözlemlendi. Ek olarak, bulanık kontrolör, kabin ısıtıcı cihazının verimliliğini %5'ten fazla artırdı.
Görüntü işleme ve derin öğrenme yöntemleri ile çelik yüzey kusurlarının tespiti ve sınıflandırılması
Metaller hayatımızda vazgeçilmez konuma gelmiş unsurlardır. Metaller gündelik hayatta sanayi, ulaşım, teknoloji, inşaat sektörü, enerji sektörü gibi birçok alanda kullanılmaktadır. Metallerin bu kadar çok kullanılmasının sebebi ise dayanıklı ve uzun ömürlü olmasıdır. Ancak, metallerde belirli bir müddet kullanıldıktan sonra kısmi olarak veya tamamen kullanılmaz hale gelebilir. Bu durumda, hemen hemen her alanda kullanılan bu maddenin büyük sorunlara sebep olacağı gerçeğini meydana çıkarmaktadır. Oluşabilecek sorunların önüne geçmek için insanlar bu metalleri yüzyıllarca kendileri kontrol ederek gerekli gördükleri yerlere müdahale ettiler. Bu işlem hem zaman alıcı, pahalı hem de insandan insana değişen bakış açısı yönünden tehlike arz etmekteydi. Bu konuyu ele alan bilim insanları görsel denetim başlığı altında metal yüzeylerde oluşabilecek sorunlara bilimsel yaklaşımlarla hızlı, ucuz ve değişmeyen bir bakış açısıyla çözümler üretmeye başladılar. Görsel denetim için bilim insanları görüntü işleme yöntemlerine başvurmuşlardır. Burada bilim insanları girdap yöntemi, lazerle teşhis gibi yöntemleri kullanmışlardır. Gelişen yöntemlerle derin öğrenme yöntemleri ortaya koyulmuştur. Bu çalışmada derin öğrenme yöntemleri kullanılarak metal yüzeyler üzerindeki arızaları teşhis edebilmek için arıza sınıflandırma ve arıza tespit çalışmaları yapılmıştır. Sınıflandırma için VGG-16 modeli temel alınarak yapılan ince ayarlamalar sonucunda yüksek başarı oranlarıyla arıza sınıflandırılması sağlanmıştır. Nesne tespit çalışmasında ise farklı YOLO modellerin metal yüzeyler karşısındaki karşılaştırılması sağlanmış olup en doğru ve en hızlı sonuç veren modelin YOLO-V5 olduğu tespit edilmiştir.
Yüksek benzerlikli nesnelerin makine öğrenmesi tabanlı sınıflandırılması
Bilgisayarlı görme teknolojileri ile nesnelerin sınıflandırılması, birçok alanda kolaylık sağlamaktadır. Derin öğrenme yaklaşımı, son yıllarda nesne sınıflandırma konusunda oldukça popülerdir. Sınıflandırılmak istenen nesnelerin görsel açıdan birbirine benzer olması, veri setindeki görüntü sayısının yetersiz miktarda olması, aynı sınıf içindeki nesnelerin farklı türevlerinin bulunmasıyla beraber farklı sınıflardaki nesneler arasındaki benzerliğin yüksek olması gibi faktörler sınıflandırma işini zorlaştırmaktadır. Bu tez çalışmasında, birbirine görsel açıdan yüksek benzerlik barındıran nesne gruplarının derin öğrenme tabanlı yaklaşımlarla sınıflandırılması amaçlanmıştır. Tez çalışması kapsamında, farklı türde ve sayıda verilerin sınıflandırıldığı derin öğrenme tabanlı altı adet farklı yaklaşım önerilmiştir. Tezde kullanılmak üzere oluşturulan veri setlerimizin içeriği; endüstriyel vida, cıvata ve somun görüntüleri, pantograf görüntüleri ve tekstil makinesi yedek parça görüntülerinden oluşmaktadır. Tezde kullanılmak üzere tekstil makinesi yedek parça görüntülerinin elde edilmesinde NİT Örme Tekstil San. ve Tic. Ltd. Şti' den yardım alınmıştır. Ayrıca tez kapsamındaki çalışmalarda kullanmak için birbirine benzer nitelikte olan nesne gruplarının bulunduğu veri setleri de hazırlanmıştır. Önerilen yöntemlerin literatür ile detaylı olarak karşılaştırılması yapılmıştır ve elde edilen sonuçlar incelendiğinde, önerdiğimiz yöntemlerin oldukça başarılı ve etkin olduğu saptanmıştır.
Investigation of feature extraction methods for EEG signal processing
Today, in view of human on the computer in most fields, communication has to be documented between human and computer to farther to be done by keyboard or mouse, like brain computer interface (BCI) technique. Since the brain is a very complicated and accurate device, signals emitted from it are different. on that, the signals classed into several types like Electroencephalography (EEG), the cheaper and easiest to use, and from this point, the (EEG) was chosen in this research. To be able to use the (EEG) for BCI technique we need to several steps for signal processing, and the most important step in this process is feature extraction technique, as for feature extraction technique, it can be done by a variety types of methods like Fast Fourier Transform (FFT), Wavelet Transform (WT), Eigenvectors, Time-Frequency Distributions, and Autoregressive Method(AR). In this thesis, we explained what is brain computer interface and for what it's important uses and how we can use, and also we have explained (EEG) signals and feature extraction methods uses to (BCI).