2.317
Arşivlenen Tez
0
DOI Atanmış
0%
DOI Oranı
Anabilim Dalı
Yazılım güvenlik açıklarının skorlanması ve kategorisinin belirlenmesinde yeni bir yöntem
Yazılım güvenlik açıkları, şahıslar, şirketler ve ülkeler için finansal risklere ve itibar kayıplarına neden olabilmektedir. Yazılım güvenlik açıklarının giderilmesi, test kaynaklarının yetersizliği ve uzman personel eksikleri nedeni ile istenilen seviyede değildir. Kurumların itibarlarını korumak ve güvenli yazılımlar geliştirmek adına sınırlı kaynaklarını doğru kullanarak, test ve düzeltmeleri planlamaları gerekmektedir. Ancak güvenlik vektörlerinin sahip olduğu metrik değerlerinin tespit edilmesi manuel bir işlem olarak insanlar tarafından yapılmaktadır. Bu nedenle bu süreç, zaman almakta ve insanın doğasından kaynaklanan hatalar barındırabilmektedir. Bu metrikler güvenlik açığı önem derecelerinin hesaplanmasında kullanılmasından dolayı önemlidir. Güvenlik açığı analizi ve keşfi işlemlerinin kalitesini artırmak ve süreçleri hızlandırmak için makine öğrenmesi algoritmalarının ve veri madenciliği tekniklerinin kullanılması gerekmektedir. Ancak bu alanda yapılan çalışmalar hala sınırlıdır. Bu çalışmada doğal dil işleme tekniklerinden Bag of Words, Term Frequency Inverse Document Frequency, Ngram, Word2Vec, Doc2Vec ve FastText özellik çıkarımı yöntemleri kullanılarak güvenlik açığı vektörlerinin farklı çok sınıflı sınıflandırılma algoritmaları ile tahmini gerçekleştirilmiştir. Elde edilen metrik değerleri ile güvenlik açığı önem skorları hesaplanmıştır. Sınıflandırma aşamasında Naive Bayes, Desicion Tree, K-Nearest Neighbors, Multi-layer Perceptron ve Random Forest algoritmaları kullanılmıştır. Kamuya açık büyük bir veri setini kullandığımız deneyler, değerlendirmeyi kolaylaştırır ve yazılım güvenlik açığı vektörlerinin sınıflandırılmasında standartlara uygun bir tahmin modeli sunar. Elde edilen sonuçlar çok olasılıklı ve tahmini zor bir problemde farklı tekniklerin ve sınıflandırma algoritmalarının birlikte kullanımının umut verici olduğunu göstermektedir. Ayrıca çalışmamız, kullandığı veri boyutu ve henüz üzerinde pek çalışılmamış güvenlik açığı skorlama sistemi versiyonlarını kapsaması bakımından alanında önemli bir boşluğu doldurmaktadır.
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.
Yol görüntüsü ve hareket duyarga verilerini kullanarakotomatik yol anormalliği tespiti
Köprüler, barajlar, betonarme yapılar ve karayolu gibi farklı yapılarda oldukça önemli olan çatlak tespitinin görüntü işleme ve sınıflandırma ile tespiti yapılabilir. Karayollarında oluşan çatlakların tespit edilmesi trafik yoğunluğunun azaltılmasını, kazaların önlenmesini, yol denetçilerinin iş yükünün hafiflemesini ve yol bakımının daha iyi yapılmasını sağlar. Asfaltlarda bulunan çatlakların ve kusurların manuel olarak incelenmesi, yorgunluk, sorumsuz denetim, zayıf göz görme gibi bir dizi nedenden dolayı insan hata olasılığı yüksektir. Çatlakların tespiti ve analizi için son yıllarda görüntü işleme ve makine öğrenmesi teknikleri kullanılmıştır. Bu teknikler belirleme ve sınıflandırma ile otomatik olarak gerçekleştirilmesine yoğunlaşılmıştır. Karayolu gerçek koşullarının sürekli haritalanması, tutarlı bir kaynak tahsisi ile birlikte yeterli altyapının bakım ve yönetim işlemlerine de izin verir. Bu nedenle, yol kullanıcılarını altyapı kalitesi konusunda bilgilendirmek ve aynı kullanıcılardan bilgi almak, güvenli bir sürüş için, navigasyon için mobil cihaz uygulamalarının (güvenlik yolu için özel bir sosyal ağ gibi) yeni sınırı haline gelmiştir. Bu çalışmada yol yüzey kalitesinin izlenmesi ve tam yol sahne envanter görüntüleri için kullanışlı bir otomatik algılama sistemini gerçekleştirilmiştir. Temel amaç karayolu ve beton yapılarda bulunan çatlakları tespit etmenin optimal yolunu bulmaktır. Yapılan uygulamalar VGG-16 mimarisi, Evrişimsel Sinir Ağı ve Gabor Filtresi gibi yapılar kullanılarak görüntülerden çatlak tespitine odaklanmaktadır.
An industrial internet of things application for real-time condition monitoring
In recent years, the production model has become widespread around the world. Smart technology and modern automation tools are increasingly changing the face of production and industry. The use of innovative maintenance techniques contributes to production by reducing disruptions and sudden stops in industry. The achievable production costs by reducing downtime and increasing maintenance performance is the most critical task. It can achieve these goals with the widespread use of low-cost smart devices that can provide a comprehensive online view of equipment operating conditions. For these reasons, an Internet of Things-based method is proposed for monitoring induction motors in this thesis. These devices analyze the vibration signals of the motor to provide conditional and continuous control of the tolerance of the motor after a fault. As a result of artificial intelligence, production and algorithms, it will be possible to remotely monitor the state of the motor using the methods of remote clouds of the Internet of things. The sound or vibration sensors that evaluate the stability of the machine help to reduce breakdowns and faults by issuing warnings and predicting whether the machine is stable, by informing monitoring centers before any fault occurs to the motor. For this purpose, it will be possible to measure vibration signals from the induction motors and make condition analysis remotely. The proposed approach is based on measuring vibration signals with a remote sensing kit and identifying faults based on artificial intelligence. The approach consists of two methods. The first method is based on the detection of shaft imbalances based on machine learning with vibration signals measured with the kit. For this purpose, the performance of different machine learning methods was compared. The second approach is to evaluate the diagnostic performance of three different one-dimensional convolutional neural networks on motor vibration signals. Obtained results show that methods can be used to detect motor faults in real environment and multiple motors can be easily monitored remotely.
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.
Retina hastalıklarının OCT görüntülerinden hibrit tabanlı CNN yöntemi ile tespit edilmesi
İnsan hayatı için en önemli organlardan biri de hiç şüphesiz gözdür. Göz insanoğlunun dış dünyayı görmek için kullandığı bir araçtır. Hayatı olumsuz etkileyen mühim sebeplerden biri de gözde bulunan retinada meydana gelen hastalıklarıdır. Retinada oluşan hastalıklar görme fonksiyonunu etkilediğinden ve retinada oluşan hasar geri döndürülemez olduğundan hassas bir şekilde ele alınması gereken bir durumdur. Zamanında yapılmayan bir müdahale veya geciktirilmiş bir durum söz konusu olduğunda gözde kalıcı hasarlara sebep olabilmektedir. Söz konusu hastalıkların takip edilmesi için ihtiyaç duyulan doktor sayısı ve her geçen gün artan hasta sayısı arasında dengesizlikler oluşmakla birlikte bu hastaları takip etmek oldukça güç duruma gelmiştir. Bu sebeple hastalar için hem zaman hem ekonomik anlamda yardımcı olunması, diğer taraftan doktorların işini kolaylaştırması noktasında erken teşhis ve bunun neticesinde başlayacak hayat kurtarıcı tedaviler için yapay zekâ yöntemleri kullanılarak Optik Koherens Tomografi(OCT) görüntülerinden retina hastalıkları tespitinin yapılması mümkün hale gelmiştir. Bu çalışmada yapay zekânın bir alt alanı olan makine öğrenimi, makine öğreniminin bir alt dalı olan ve günümüzde popüler hale gelen derin öğrenme mimarileri kullanılarak Yaşa Bağlı Makula Dejenerasyonu (AMD), Koroid Neovaskülarizasyonu (CNV), Diyabetik Makula Ödem (DME), Diyabetik Retinopati (DR), Santral Seröz Retinopati (SSR), Makula Deliği (MH) gibi retina hastalıkları ve Drusen retina hastalıkları OCT görüntülerinde hibrit tabanlı Convolutional neural networks(CNN) yöntemi kullanılarak hastalığın tespit edilmesi ve bu görüntülerin sınıflandırılması gerçekleştirilmesi amaçlanmıştır.
A robust active-based face spoof detection for face recognition systems
With increasing rate of deployment of face recognition systems in various real life cases and applications, efforts by attackers is also on the rise with variety of spoofing approaches emerging. Hence, the development of a robust spoof detection technique is crucial. Although active-based techniques have proven robust in the task of spoof detection, they are faced with the problem of intrusiveness, high cost, computational complexity, low generalization ability and most of which require extra hardware. This study proposed an active-based robust spoof detection technique capable of detecting diverse forms of media or 2D attacks, yet, less intrusive, less expensive, low complexity, higher generalization ability than other active-based approaches. It does not require extra hardware and so can easily fit into existing systems. Spoof detection is achieved by analyzing the distortion changes of Video frames of user's face captured at different distances from the camera. Real-world facial photo and video data were also collected and used to generate both the legitimate and spoof attacks dataset. Utilizing both machine learning classifiers and deep learning model, the proposed approach achieved spoof detection with accuracy as high as 98.18%, with EER and HTER as low as 0.23 and 0.021 respectively.
Gerçek zamanlı ray takibi için otonom İHA algoritmalarının geliştirilmesi ve gürbüz derin öğrenme tabanlı kusur tespiti
Son yıllarda, demiryolu taşımacılığının kullanımı yüksek hızlı trenlerin de gelişimiyle önemli ölçüde artmıştır. Demiryolu ulaşımına olan bu talep sonucunda, dünyada ve ülkemizde demiryolu uzunluğu büyük ölçüde artırmaktadır. Bu nedenle, demiryolu bakımına olan talep de hızla artmış ve acil hale gelmiştir. Demiryolu bakımı için denetleme, demiryolu bileşenlerindeki kusurları aramak ve doğrulamak için önemli bir görevdir. Demiryolu bileşenlerinde meydana gelebilecek kusurlar, ulaşım güvenliğini önemli ölçüde etkiler. Hâlihazırda kullanılan denetim yöntemleri, temaslı ölçüm tekniklerine ve insan algılamasına bağlıdır. Bu nedenle geleneksel denetim, yavaş, öznel ve verimsizdir. Bu dezavantajların ve sınırlamaların üstesinden gelmek için bu çalışmada, otonom İHA (İnsansız Hava Aracı) bilgisayarlı görme tabanlı yeni bir yöntem önerilmiştir. Demiryolu kusurlarının tespiti için İnsansız Hava Araçlarının kullanılması, geleneksel tekniklerden daha düşük denetim süreleri sunan uygun maliyetli bir yaklaşımdır. Son yıllarda, İHA'lar, işlem gücündeki gelişmeler ve sensörlerin ve bileşenlerinin küçülmesi hem askeri hem de sivil uygulamalar için ilgiyi artırmaktadır. Özellikle uçuş sürelerinin artması İHA'ların arıza tespit alanında kullanılabilecek seviyede olduğunu göstermektedir. Tezde, demiryolunun İHA tarafından otonom olarak takibi için algoritmalar geliştirilip İHA tarafından elde edilen görüntüler üzerinde derin öğrenme tabanlı kusur tespiti yapılmıştır.
İki boyutlu sağlık, tarım ve iş güvenliği imgeleri üzerinde sınıflandırma ve nesne tespiti
Derin öğrenme teknolojileri, özellikle evrişimsel sinir ağları görüntüler üzerinde sınıflandırma ve nesne tespiti problemlerinde yüksek doğruluk sağlar. Makine öğrenimi ve derin öğrenmeyi kapsayan yapay zekâ biliminin ilerlemesi ile beraber birçok sektörde dijitalleşme başlamıştır. Bunun yanında büyük veri kaynaklarının ulaşılabilir olması, yapay zekâ biliminin ilerlemesine ve akıllı sistemlerin kullanımının yaygınlaşmasına zemin hazırlamıştır. Bu tez çalışması, insan yaşamında birçok sektörde yapay zekânın kullanımının artışına odaklanmaktadır. Bu kapsamda üç farklı sektörde kullanılmak üzere yöntemler önerilmiştir. İlk çalışmada, domates yapraklarından hastalık tespitini gerçekleştirmek amacıyla derin öğrenme tabanlı bir yaklaşım sunulmaktadır. İkinci çalışmada, X-ray görüntüleri kullanılarak ilgili görüntünün Covid-19, normal veya zatürre olarak sınıflandırılması sağlanmaktadır. Sınıflandırmayı gerçekleştirmek için CNN tabanlı hibrit bir yöntem önerilmektedir. Son çalışmada ise başta inşaat alanları olmak üzere, iş güvenliğinin sağlanması adına baret takma durumunun tespit edilmesi için bir nesne bulma yaklaşımı ele alınmaktadır. Bu yaklaşım, bilinen tek adımlı nesne bulma algoritması Yolov5 esas alınarak önerilmektedir. Tez kapsamında geçekleştirilen uygulamaların her biri, bir veya daha fazla açık erişimli veri kümesi ile doğrulanmıştır. Önerilen yöntemlerde evrişimsel sinir ağları esas alınmış ve başarılı sonuçlar elde edilmiştir. Yöntemlerin iyileştirilmesi konusunda spesifik verilerle yapılan uygulamalar ile literatüre katkıda bulunulmuştur. Önerilen yöntemleri gerçekleştirmek için matlab ve python gibi yazılım araçlarından yararlanılmıştır. Kullanılan metrikler ile sınıflandırma ve nesne bulma başarımları değerlendirmiştir. Ayrıca önerilen yöntemler literatürdeki benzer çalışmalar ile kıyaslanmıştır.
Bilgisayarlı tomografi görüntüleri üzerinde derin öğrenme tabanlı COVID-19 teşhisine yönelik hekim karar destek sistemi tasarımı
COVID-19 pandemisi tüm dünyayı birçok yönden olumsuz etkilemektedir. Ortaya çıktığı günden bu yana olumsuzluklarının çözümü için çeşitli yöntem ve yaklaşımların geliştirilmesine neden olmuştur. Bu çözüm arayışlarının ortak hedefi, COVID-19'un zararlarını en aza indirgeyebilmektir. Bu tez çalışmasında radyoloji uzmanlarına, göğüs bilgisayarlı tomografi görüntülerinden COVID-19 hastalığının tespit edilmesi sürecinde yardımcı olması için derin öğrenme tabanlı bir sistem tasarlanmıştır. Derin öğrenme tabanlı bu sistem sınıflandırma ve anlamsal bölütleme yeteneğine sahip iki farklı model üzerine kurgulanmıştır. Sınıflandırma yeteneğinin bilgisayara kazandırılması ve COVID-19 pozitif veya COVID-19 negatif bulgularına sahip göğüs bilgisayarlı tomografi görüntülerinin ayırt edilmesinde EfficientNet model ailesi üyelerinden yararlanılmıştır. Sekiz farklı EfficientNet model ailesi üyesi, T.C Sağlık Bakanlığı tarafından verilen izin sayesinde gerçek hasta görüntüleriyle oluşturduğumuz EFSCH-19 adlı veri seti örnekleriyle eğitilmiştir. Eğitim süreci sonucunda gerçekleştirilen test aşamasında %99.75 doğruluk, %99.50 duyarlılık, %100 kesinlik, %100 özgüllük, %99.75 F1-Skoru ve %99.50 MCC oranına ulaşan EfficientNet-B2 modeli sınıflandırıcı derin öğrenme modeli olarak seçilmiştir. Sınıflandırıcı derin öğrenme modeline giriş olarak verilen göğüs BT görüntüsü, çıkışta ikili sınıflandırma yöntemine uygun olarak COVID-19 pozitif veya COVID-19 negatif olarak tahmin edilmektedir. Anlamsal bölütleme yeteneğinin bilgisayara kazandırılabilmesi için göğüs BT görüntülerinde yer alan piksellerin hangi sınıfa ait olduğu bilgisi tanımlanmalıdır. Bu kapsamda EFSCH-19 veri setinde yer alan 200 adet göğüs bilgisayarlı tomografi görüntüsüne karşılık maske görselleri radyoloji uzmanı tarafından elle işaretlenerek EFSCH-19-Seg adını verdiğimiz ikinci veri seti oluşturulmuştur. Oluşturulan maske görsellerinde akciğer alanları, enfeksiyon alanları ve geriye kalan diğer alanları temsil etmek üzere üç adet farklı piksel değeri bulunmaktadır. EFSCH-19-Seg veri seti yardımıyla U-Net model eğitimleri gerçekleştirilmiştir. Bu eğitimlerde U-Net modelinin varsayılan kodlayıcı ağı yerine ResNet model ailesinde yer alan beş farklı modelden yararlanılmıştır. Resnet-50 tabanlı U-Net modeli diğer modellere kıyasla %93.76 Jaccard indeksi ve %96.61 Dice skoru değerleriyle test aşamasını en iyi tamamlayan model olmuştur. Bu tez kapsamında, sınıflandırma ve anlamsal bölütleme görevleri için elde edilen başarılı sonuçlar neticesinde COVID-19 pandemisiyle mücadelede hızlı bir şekilde sahaya entegre edilebilecek bir hekim karar destek sistemi önerilmiştir.
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.
A high-performance convolutional neural network for steel defects detection
Ensuring defect-free products is a critical consideration in the hot-rolled steel strips and steel terminal manufacturing industry and cannot be over-emphasized, which underpins the purpose of the study presented herein which is focused on developing an algorithm for the detection of defects for two (2) different classes of steel products. The study is divided into two (2) parts, part one being based on transfer learning is aimed at detecting defects on hot rolled steel strip surfaces, while part two aims to achieve defect detection on steel terminals using an optimized YOLO v3 algorithm. Problem statement one of the studies proposes a transfer learning-based method for detecting defects on hot-rolled steel strip surfaces. The method proposed in this study utilizes Deep Convolutional Neural Network (DCNN) using VGG-19 as a pre-trained model, with data augmentation to mitigate the effect of limited training data and also data-class imbalance. Experimental tests indicate that the method proposed herein using the VGG-19 pre-trained model has an excellent performance, with training and validation accuracies of 93.11% and 97.22%, respectively, which is more accurate than the KNN, ANN, and Faster RCNN model. Problem statement two of the study proposes an optimized YOLO v3 algorithm to detect three (3) most common classes of defects on steel terminals. The optimized YOLO v3 network proposed in the thesis was trained using steel terminal image datasets acquired in real-time from Hatko Electronics' production factory in Istanbul, and delivered a good performance in the region of 97.19% AP50, at 0.50 IOU Threshold, which is a higher than the mAP (mean Average Precision) results (57.9% AP50 @0.50) from the original YOLO v3 network, and higher than the mAP score of Faster-RCNN that is about 55.7% AP50, and, 50.4% AP50 for SSD513 (Single-shot Detector) network.
Heart sounds classification using deep learning algorithms
The ever-evolving medical field driven by the applications of deep learning is changing the practice in many ways. Heart sounds are critical aspects that have to do with cardiac disease diagnosis. These are techniques in which heart abnormalities can be detected using signals gotten from heart sounds. The eminence of heart disease in the world today makes a cardiologist a very important health professional. Likewise, the role of artificial intelligence in the treatment of the cardiovascular system - which includes the heart, the blood vessels, etc. Such systems assist cardiologists in promoting heart health in patients. The classic diagnostic method is through cardiac auscultation to detect abnormalities in heart sounds. Thus, the accuracy of the heart auscultation is highly important in the diagnostic process to screen outpatients with or without heart diseases. This made it obvious there is a need for a more accurate and precise computer-aided diagnosis (CAD) system to further assist cardiologists in the field by examining heart sounds to provide a detailed outline. In this study, deep learning algorithms are implemented for the detection of abnormal and normal heart sounds using classification techniques. This study outlines the overview of deep learning-based heart diseases diagnosis in the context of experimental research. Furthermore, this study highlights research work that indicates the advances in the application of deep learning technology in medical sciences.
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.
Elektrolitik kaplama hattı verimliliğini arttırmak amacıyla süreç madenciliği ve petri ağı modellemesinin kullanımı
Günümüz, sınırsız rekabetin, büyük çaplı üretimin olduğu kalite çağıdır. Müşterilerine daha kaliteli ürünler sunabilen üreticiler hayatta kalabilmektedir. Pek çok endüstriyel firma karlılığını artırmak amacıyla kalite ve verimlilik çalışmaları yürütmektedir. Endüstriyel üretimin önemli zorluklarından birisi süreç yürütmelerindeki anormalliklerin veya sapmaların zamanında tespit edilememesidir. Anormallikler genellikle bir sürecin hayati yönlerinin eksik olmasından veya sürecin yürütülmesinde istenmeyen davranışlara sahip olmasından kaynaklanır. Bu çalışmada makaradan makaraya elektrolitik kaplama sektöründe faaliyet gösteren Hatko Teknik Donanımlar Mümessillik ve Ticaret A.Ş.'nin belirlenen iki farklı ürünün farklı zamanlardaki makaradan makaraya elektrolitik kaplama sürecindeki anormalliklerin süreç madenciliği ile tespit edilmesi amaçlanmıştır. Süreç madenciliği için öncelikle ERP sistemi üzerinden ve tensiyometreden kaplama süreci ile ilgili veriler elde edilmiştir. Nihai ürünün kalitesi için kritik olan temizleme ve kaplama adımlarının süreç keşif algoritmaları ile analizi yapılmıştır. Analizimiz, Hatko 'ya ait makaradan makaraya elektrolitik kaplama tesisinden toplanan olay günlüklerine dayanmaktadır. Olay günlüklerindeki parametre değerleri normal, yüksek, düşük ve sıfır değerlerine göre sınıflandırılmıştır. Analizimizi gerçekleştirmek için süreç madenciliği için popüler bir açık kaynak aracı olan ProM 6.12 kullanılmıştır. Olay günlüklerinden süreç ile ilgili genel bir görünüm elde edildikten sonra madencilik algoritmalarıyla sürecin ayrıntılı analizi yapılmıştır. Süreç madenciliği keşif algoritmalarının çıktısı olan petri ağlarından elde edilen sonuçlara göre süreçler detaylı şekilde analiz edilerek süreçlerin performansı, sapmaların olduğu noktalar ve süreçte istenmeyen davranışlar tespit edilmiştir. Analizler sonucunda firmanın süreç madenciliği uygulamaları ile verimliliği ve kaliteyi arttırabileceği sonucuna varılmıştır. Makaradan makaraya elektrolitik kaplama hattından alınan olay günlüklerine uygulanan süreç madenciliği teknikleri ile sürecin davranışı analiz edilir ve iyileştirme alanları belirlenebilir. Böylelikle süreç madenciliği ile elektrolitik kaplama işleminin kalitesini ve verimliliği arttırılabilir.
Yüz tanıma sistemleri için derin öğrenme tabanlı 3 boyutlu yüz sahteciliği önleme sistemi geliştirilmesi
Biyometri, kişileri fiziksel veya davranışsal özelliklerine göre doğrulamak, tanımak ve tanımlamak için kullanılan süreçleri ifade etmektedir. Biyometrik tanımlayıcılar için veri alınabilecek fizyolojik özellikler parmak izleri, avuç içi damarları, avuç içi izleri, yüz, DNA, iris, retina ve el geometrisini içermektedir. En popüler biyometrik tanımlayıcı olan yüz tanıma sistemleri temel olarak, görüntülerdeki yüz bölgelerinin makine öğrenmesi algoritmaları kullanılarak tespit edilip daha önce sistemde kayıtlı kişiler ile eşleştirme yapılarak otomatik kimlik doğrulama sistemi olarak görev yapmaktadır. Yüz tanıma teknolojileri, iris ve parmak izi tanıma gibi diğer teknolojilere ve biyometrik tanımlayıcılara göre kullanışlı, temassız ve kolay uygulanabilir olmasından dolayı pek çok avantaj sağlamaktadır. Ne yazık ki, bir biyometrik veri çalındığında veya kopyalandığında, biyometrinin avantajları dezavantaja dönüşmektedir. Kayıtlı bir kullanıcının bir veya daha fazla fotoğrafının/videosunun internet üzerinden kolayca ve ucuza elde edilebildiği veya kullanıcının rızası veya fiziksel teması olmadan bile bir kamera kullanarak sadece yüzünün yakalandığı yüz tanıma sistemlerinde bu risk diğer biyometrik verilere göre çok daha yüksektir. Canlılık tespit algoritmaları ile destekli yüz tanıma sistemleri güvenlik sektöründe çok önemli ve kritik bir ihtiyaç olarak görülmektedir. Bu tez çalışmasının amacı, yüz tanıma sistemlerinin güvenirlilik ve doğruluk hassasiyetini en üst düzeye çıkaracak yapay zeka teknolojileri ve derin öğrenme algoritmaları ile yüz sahteciliği tespit algoritmaları geliştirilmesidir. Gerçekleştirilen uygulamaların sonuçları incelendiğinde %99,5 başarı performansı ile yüz tanıma sistemlerini aldatmaya yönelik saldırılardan etkilenmeyen stabil, yüksek performanslı ve yüksek doğruluklu bir model elde edilmiştir.
Bulut sistemlerde görev çizelgeleme problemlerine metasezgisel bir çözüm modelinin geliştirilmesi
Bulut bilişim teknolojisi birçok verinin internet ortamında barınmasını, değerlendirilebilmesini, kullanıcıların yalnızca tükettiği hizmet kadar ödeme yapmalarını sağlayan sanallaştırılabilir ve ölçeklenebilir kaynakların toplamıdır. İnternet altyapısının gelişmesi, Nesnelerin İnterneti teknolojisinin yaygınlaşması, büyük verinin hızlı artışı ve buna yönelik çalışmaların ortaya çıkması, yapay zekâ çalışmalarındaki gelişmeler gibi birçok sebep bulut teknolojilerinin yaygınlaşmasına neden olmuştur. Bulut bilişimin en önemli mekanizmalarından biri sanal makinelerdir. Sanal makineler müşterilerin ihtiyaçları doğrultusunda bulut sistem üzerindeki kaynaklardan oluşturulurlar. İş hacmine bağlı olarak müşterilerin sanal makine sayıları ve özellikleri çeşitlilik gösterebilir. Müşteriler bu sanal makinelerin özelliklerine ve kullanım sürelerine göre bulut sağlayıcıya belirli ücretler öderler. Sanal makineler üzerinde çalıştırılması gereken görevlerin yanlış çizelgelenmesi görev tamamlanma süresinin (makespan) artmasına ve doğal olarak da müşteri için maliyet artışına yol açar. Görev tamamlanma süresindeki bu artış, dolaylı olarak bulut sağlayıcının da enerji sarfiyatı ve bakım onarım maliyetlerini olumsuz etkiler. Bu sebeple bulut sitemlerde sanal makineler için iyi bir görev çizelgeleme algoritmasının kullanılması hem müşteri hem de bulut sağlayıcı açısından zorunludur. Görev çizelgeleme, NP-hard tipi bir problemdir. Deterministtik yaklaşımlar yerine metasezgisel algoritmaların kullanılması performans açısından bu tip problemlerin çözümünde sıklıkla tercih edilmektedir. Ancak öte yandan, problem tipinden dolayı, rastgele arama temelli metasezgisel algoritmaların lokal minimalara takılma olasılıkları da yüksektir. Bu olasılık görev ve sanal makine sayılarının artmasıyla daha da artabilmektedir. Bu sebeple kullanılan metasezgisel algoritmaların bu sorunu aşacak mekanizmalar kullanması gerekmektedir. Bu çalışma bu sorunun çözümü için farklı bir yaklaşım mekanizması kullanan ve güncel metasezgisel algoritmalardan olan Denizanası Arama Optimizasyonu (Jellyfish Search Optimizer) temelli bir çözüm önermektedir. Önerilen yöntemin en özgün yanı, daha hızlı bir şekilde lokal minimalardan kurtulmak için farklı bir benzerlik kontrolü ile dinamik popülasyon artışına imkân vermesidir. Böylece arama uzayında daha verimli bir keşif süreci gerçekleştirilmiş olmaktadır. Buna ek olarak bu algoritmanın, görev çizelgeleme problemi için çoklu iş parçacığı (Multi-Thread) ve çoklu-süreç (Multi-Process) analizleri de bu tez kapsamında yapılmıştır. Önerilen yöntemin performansı, CloudSim simülatöründe farklı senaryolar için karşılaştırmalı olarak denenmiş ve ispatlanmıştır.
Derin öğrenme yöntemleri ile CXR görüntülerinden COVID-19/zatürre/normal sınıflandırması ve U-net tabanlı COVID-19 bölütlemesi
2019 yılının Aralık ayında Çin'de ortaya çıkan koronavirüs isimli Covid-19 hastalığı, tüm dünyada kısa sürede pandemi haline gelmiştir. Özellikle akciğerlere verdiği hasarlar ile ölümle sonuçlanabilen bu virüsün teşhisi için Transkripsiyon Polimeraz Zincir Reaksiyonu (RT-PCR) testinin yanlış negatifler üretmesi ve teşhis süresinin uzun olması yeni alternatifler aramaya sebep olmuştur. Bu nedenle göğüs görüntülerinin Bilgisayarlı Tomografi veya CXR görüntüleme tekniklerinden elde edilen verilerle göğüs görüntülerinden teşhis sağlanması için uygun araçlar olmuştur. Bu araçlar ile teşhis sağlanması Covid-19 ve Zatürre hastalığının enfeksiyonlu bölgesinin belirlenmesi için derin öğrenme çalışmaları önerilmiştir. Bu tez çalışmasında segmentasyon ve sınıflandırma olarak iki aşamalı bir sistem önerilmiştir. Segmentasyon işleminde etiketli verilerden segmente edilen enfekte bölgeler belirlenmiştir. Sınıflandırıcı aşamasında ise VGG16, ResNet50 ve InceptionV3 isimli üç farklı derin öğrenme modeli kullanılarak Covid-19/Zatürre/Normal sınıflandırması gerçekleştirilmiştir. Çalışma sonucunda %95 segmentasyon doğruluğu elde edilmiştir. Sınıflandırıcı modelleri sırasıyla %99, %90 ve %98 doğruluk elde edilmiştir.
Design of IOT based violence detection systems using lightweight virtualization mechanism
Today, violent events have become more common in public areas, schools, and sports arenas. The early detection of these events, as well as catching the perpetrators, is vital for social order. Today's Internet of Things (IoT) technologies help to overcome these problems, and for this purpose, this thesis proposes a cloud computing-based IoT violence detection system, which is able to help security forces and related institutions. This violence detection system uses edge computing technologies, and in addition, the edge devices use Docker, which is a lightweight virtualization technology, for both software execution and system sustainability. The artificial intelligence (AI) module, which detects violence, uses deep learning models that are suggested in the literature. The deep learning module includes (CNN) with LSTM, BiLSTM, Gated Recurrent Unit (GRU) and Recurrent Neural Network (RNN) models that use a pre-trained MobileNet. The images taken by the edge devices are locally evaluated, and the urgent cases are forwarded to the relevant institutions, or to the cloud environment. Computing at the edge leads to a great reduction in the increase of cloud load, and the Docker technology allows the installation and management of related AI modules on edge devices in a fast and flexible way. The training dataset consists of violent and non-violent images. In the thesis, AI modules were trained outside the edge layer, and then the trained modules were loaded on edge devices, using container technologies. The experiments were done in local environments and the performance of the system was then analysed. In addition, the resources consumed by the edge devices were examined, with an additional discussion regarding edge device performances. In practice, conventional violence detection systems may have disadvantages in terms of installation and execution costs. Moreover, these costs can increase even more with the use of IoT technologies such as cloud computing. Attention should always be paid to optimizing the cloud system load and customer cost, which was proven in this work, since the proposed IoT system model has several gains and advantages, with a clear practical and commercial potential.
Kablosuz algılayıcı ağlarda transport layer çoklu ortam iletişim protokolü
Bu tezde, kablosuz algılayıcı ağlarda veri transfer katmanı ele alınmış ve çoklu ortam verisi iletimi için etkin bir protokol geliştirilmiştir. Geliştirilen protokol çoklu ortam verisinin iletiminden önce kaynak ve hedef düğüm arasında var olan yollardan en az birini bulup sonrasında söz konusu yol veya yollar üzerindeki düğümleri kullanarak asıl verinin hedef düğüme iletilmesini sağlamaktadır. Benzetim aracı olarak OMNeT++ ve Castalia kullanılmıştır. Önerilen protokol, C++ programlama dili kullanılarak geliştirilmiştir. DTSN(Distributed Transport for Sensor Networks) protokolüyle karşılaştırılarak benzetim sonuçları elde edilmiştir. Deneysel sonuçlar geliştirilen protokolün çoklu ortam verisi iletiminde daha başarılı olduğunu göstermiştir.Anahtar Kelimeler : Kablosuz Algılayıcı Ağlar, Çoklu Ortam ?leti?im, Protokol
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.
Oturumlardaki makalelerin belirlenmesinden zamanlama sürecine kadar derin öğrenme tabanlı konferans programı organizasyon sisteminin geliştirilmesi
Konferans programları organize edilirken birbiriyle ortak konuda olmayan makalelerin aynı oturumlarda yer alması, aynı konuda makaleler içeren oturumların eş zamanlı gerçekleştirilmesi vb. durumlar katılımcıların konferanstan etkin bir şekilde faydalanmalarına engel olmaktadır. Ayrıca bu durum konferans sahipleri için kötü bir izlenim oluşturabilir ve gelecek konferanslara olan ilgiyi azaltabilir. Bu yüzden konferans programlarının zamanlama ve içerik açısından doğru bir şekilde oluşturulması oldukça önemlidir. Şu anda konferans programları organizatörler tarafından manuel olarak düzenlenmektedir. Bu süreç konferansta yer alan makalelerin sayısı ve konferans kapsamının genişliği dikkate alındığında zor ve zaman alıcı olmaktadır. Günümüzde birçok sorunun yazılım ve donanım modelleri ile çözüldüğü ve insana bağımlılığın en aza indirildiği düşünüldüğünde, manuel olarak gerçekleştirilen bu işlem otomatik çözüm sunulması gereken bir problem olarak görülmüştür. Konferans programı hazırlama sürecini kolaylaştırmak ve daha verimli programlar oluşturmak amacıyla bu tez kapsamında iki yaklaşım önerilmiştir. Program organizasyon süreci makale benzerliklerinin bulunması, oturumların oluşturulması, oturum başlıklarının belirlenmesi ve zamanlanması şeklinde dört aşamada gerçekleştirilmiştir. Topluluk keşfine dayalı yaklaşım ile birbirinden farklı sayıda makaleler içeren oturumlar planlanmıştır. İkinci yaklaşımda ise önerilen kümeleme algoritması ile eşit sayıda makale içeren oturumlar oluşturulmuştur. Ayrıca önerilen zamanlama yaklaşımı ile paralel oturumların çakışmayacağı bir konferans programı organize edilmiştir. Elde edilen sonuçlar gerçek programlar ile detaylı bir şekilde karşılaştırılmış ve önerilen yaklaşım ile daha verimli ve etkin konferans programlarının otomatik bir şekilde oluşturulduğu gösterilmiştir.
Ortam ve yöntem bağımsız steganografik kütüphane tasarımı
Bilgi güvenliğine gereksinim her geçen gün artmaktadır. Bu gereksinimi karşılamada steganografik yöntemler önemli bir yere sahiptir. Steganografi temel olarak, bir varlığın bir yere saklanmasını ve istenen kimseler tarafından saklanan yerden çıkarılmasını hedefler. Üçüncü şahısların saklı varlığı algılayamaması ana amaçtır. Toprağa gömülmüş define buna örnek olarak verilebilir. Elektronik ortamda steganografi, bir bit dizesinin içerisine başka bir bit dizesini saklamaktır. Bu çalışmanın amacı elektronik ortamda gerçekleştirilebilecek steganografi çeşitlerini bir kütüphanede toplamaktır. Bu bağlamda ortamdan ve yöntemden bağımsız steganografik bir kütüphane tasarlanmış ve bu kütüphaneyi kullanan bir uygulama geliştirilmiştir. Kullanılan tasarım desenleriyle kütüphanede esneklik sağlanmış böylece yeni yöntem ve ortamların kolayca eklenebilmesine imkan verilmiştir. Bu kütüphane ile ses, görüntü ve video dosyaları üzerinde saklama işlemi yapılabilmektedir. Yöntem olarak LSB (Least Significant Bit), LSBM (Least Significant Bit Matching) ve LSD (Least Significant Digit) yöntemleri desteklenmektedir. Literatürde yapılan çalışmaların büyük çoğunluğu saklama ortamı olarak ses ve görüntü dosyalarını kullanmaktadırlar. Bu ortamlar ise boyutları gereği saklama kapasitesini sınırlamaktadırlar. Bu çalışmayı diğerlerinden ayıran özellik video dosyaları üzerinde saklama yaparak kapasite kısıtını aşması ve video dosyasının görüntü ve ses alanını birlikte kullanarak güvenliği bir üst seviyeye çıkarmasıdır. Ayrıca çalışma kapsamında web kamerasından alınan videoya gerçek zamanlı olarak saklama gerçekleştirilmiştir. Böylece gizli nesnenin boyutuna göre video üretilmesi sağlanmıştır. Aynı zamanda orijinal video ile karşılaştırarak steganografinin varlığını tespit etme ihtimali ortadan kaldırılmıştır. Yapılan saklama işlemlerinin başarımı çeşitli steganaliz ve gürültü ölçme yöntemleriyle değerlendirilmiş ve bunların sonuçları verilmiştir.Anahtar Kelimeler : Steganografi, Veri gizleme, Veri gömme, LSB
Iptv ağlar için multicast yönlendirme protokolü
Televizyon günlük yaşantımızın önemli bir parçasıdır. Yeni nesil İnternetProtokol Televizyon (IPTV) 'lar yayın yaparken kullanıcı ile etkileşim içindedir.IPTV son kullanıcı tarafından yönetilir. Bu çalışmada IPTV ile ilgili bazı geneltanımlar, IPTV yazılım ve donanımları, IPTV için protokoller ve videosıkıştırma teknikleri incelenmiştir. IPTV için ağ dağıtım teknolojileri ve birHome of Quality (HoQ) değerlendirmesi detaylı olarak incelenmiştir.Bu çalışmada farklı protokoller kapsamlı olarak test edilmiş vekarşılaştırılmıştır. Protokolleri gerçekleştirmek için Network Simulator-2 (ns2)kullanılmıştır. Farklı multicast protokolleri test edilmiş ve kayıp paket sayısı,dalgalanma, yönlendirilen paket sayısı, gönderilen/alınan paket sayılarısonuçları elde edilmiştir.
Kablosuz algılayıcı ağlarında veri kümeleme uygulamaları
Kablosuz Algılayıcı Ağ (KAA) uygulamaları sahip oldukları avantajlardan dolayı günümüzde birçok alanda kullanılmaktadır. Uygulama gereksinimleri doğrultusunda KAA' ları oluşturan algılayıcı cihazlar genellikle çok küçük boyutlarda ve tek kullanımlık olarak tasarlanmaktadır. Bu nedenden dolayı bu cihazlar genellikle kısıtlı işlem gücü, enerji kaynaklarına ve iletişim kapasitesine sahiptirler. Bu kısıtlar veri iletişimi sırasında tekrarlı olarak gönderilen paketlerin engellenmesi gerekliliğini ortaya çıkartmaktadır. Enerji verimliliğini sağlamak için geliştirilen HEED, LEACH gibi veri demetleme yaklaşımları, ağın kendi içerisinde gruplara ayrılmasını sağlayarak ağ içerisinde veri akışının kontrol altına alınmasını sağlarlar. Demetleme yöntemleri genel olarak enerji verimliliğine katkı sağlamakla birlikte KAA' ların kendine özgü karakteristik özellikleri dikkate alındığında enerji verimliliğinin daha da iyileştirilebileceği görülmüştür. Bu çalışma dahilinde benimsenen Veri kümeleme yaklaşımları sayesinde tekrarlı veri iletiminin önüne geçilmekte ve sıradan demetleme yaklaşımlarına göre %70' e varan enerji tasarrufu sağlanabilmektedir. KAA' larda güvenlik, enerji verimliliği kadar önemli bir konudur. İletişimin güvenliğini sağlayabilmek için gönderilen verilerin şifrelenmesi gerekmektedir. Veri kümeleme yaklaşımları sağladıkları büyük faydalara rağmen standart şifreleme algoritmalarını desteklememektedir. Bunun için veri kümeleme fonksiyonlarını uygularken aynı zamanda şifrelemeye açık bir algoritmaya ihtiyaç duyulmaktadır. Bu çalışmadan benimsenen Eliptik Eğri Şifreleme (ECC) yaklaşımı homomorfizm özelliği sayesinde şifrelenmiş veri üzerinde aritmetik işlemler yapılmasına izin vermektedir. ECC bu özelliği sayesinde KAA' larda güvenli veri kümelemeyi olanaklı kılan etkin bir çözüm yöntemi olarak ön plana çıkmaktadır. Bu çalışmada önerilen Eliptik Eğri ile Güvenli Veri Kümeleme (EEiGVK) Prosedürü ile KAA' ların iki önemli sorunu olan enerji tüketimi ve güvenlik ihtiyacına birlikte çözüm olabilecek yeni bir yaklaşım geliştirilmiştir.Anahtar Kelimeler : Kablosuz Algılayıcı Ağlar, Demetleme, Veri Kümeleme, Eliptik Eğri ?ifreleme, Güvenli Veri Kümeleme
SMSM için online eşdeğer devre parametrelerinin tespiti
Sabit mıknatıslı senkron motorun (PMSM) online (çevrimiçi) parametre tahmini yapmanın yararı oldukça fazladır. Bu yöntemde parametre değişikliklerinin nedenlerine bakılmaksızın motorun parametreleri doğru tahmin edilir. Bu yöntem, çevrim dışı bir yöntemde bulunmayan doyma veya sıcaklık bağlı değişen parametreleri anında tahmin eder. Böylelikle yöntemin kullandığı kontrol algoritması, motor sürücüsünün etkinliğini artırarak hız aralığı veya dinamik tepki açısından daha iyi performansı sağlamasını temin eder. Bu çalışmada manyetik doymayı göz önüne alarak sabit mıknatıslı senkron motorun online parametre tahminini incelendi. Sargı direnci, dq ekseni endüktansı ve rotor akısı dahil olmak üzere parametreleri tahmin etmek için akım enjeksiyon yöntemi kullanıldı. Akım enjeksiyonu esnasında, endüktanslar manyetik doymadan dolayı değişebilir. Bu değişimlerin ihmal edilmesi özellikle endüktanslarda hatalara neden olabilir. Bu çalışmada, mevcut enjeksiyon sırasında öz ve karşıt endüktans doyma etkilerini modellemek için basitleştirilmiş denklemleri kullanıldı. Bu doyma modeline PMSM kararlı durum denklemlerine dahil edilerek, manyetik doyma ve rotor akısına bağlı olarak değişen dq ekseni endüktansı doğru bir şekilde tahmin edildi. Buna ek olarak, sargı direncinin tahmini diğer parametrelerden bağımsızdır ve manyetik doyumdan etkilenmez. Bu yöntemle sıcaklığa bağlı olarak değişen direnç değerleri de akım enjeksiyonu ile anında ve doğru tahmin edildi.
Agent based human-in-the-loop simulation framework for electrical vehicle systems
Agent Based Human-in-The-Loop Simulation Framework for Electrical Vehicle Systems With the end goal of creating safe agent based human in the loop frameworks for electrical vehicles, exact and accurate models of human conduct must be produced. This thesis portrays a trial setup for human in the loop simulations. An agent is an autonomous computational body arranged in some condition, and it is fit for autonomous associations with this condition. The specialist concentrates on creating proving ground essential for gathering driver data that aides in social affair practical information, while controlling the encompassing condition and looking after wellbeing. The driving test system is intended to reproduce any strengths that the driver feels during the driving. The set up permits noteworthy control and adaptability in a genuine reproduction ecological circumstance. Multi-specialist tests which concerns driver focus can be directed on this proving ground. The paper introduces the use of driver displaying that predicts the driver conduct over long time circles for usage in self-governing system. We extend the previous studies which concentrate on setting forecasts fusing directions saw from practices of cross breed and self-ruling vehicles and the nonlinear mental state. The calculations utilized as a part of the human, and the tuned in reproductions are basic to give the drivers state and help in planning a successful final model. Exact and exact driver demonstrate modified to an individual can be created. Utilizing adaptable calculation and reasonable information. Keywords: Human-In-The-Loop Simulation, Agent, Electric Vehicles, Sensors.
İki yönlü yansıma dağılım fonksiyonları kullanılarak nesne aydınlatma tekniklerinin incelenmesi
Filmlerdeki özel efektler, oyunlar, sanal gerçeklik uygulamaları, iç ve dış mekân tasarımları ve daha birçok alanda gerçekliği yakalamak önemli bir etkendir. Bilgisayar grafiklerinde gerçekliği yakalamak için geliştirilmiş pek çok algoritma vardır. Işığın geliş yönü, yansıma yönü, yüzey üzerine düştüğü nokta, dalga boyu ve yüzeyin geçirgenliği gibi birçok parametre yüzeyler üzerindeki aydınlatmayı hesaplamak ve simüle etmek için hesaba katılan değerlerdir. Bunların yanı sıra maddelerin fiziksel özellikleri de yansımayı etkileyen faktörlerdendir. Örneğin bir ayna ile plastik bir top üzerindeki yansıma aynı değildir. İki Yönlü Yansıma Dağılım Fonksiyonları (Bidirectional Reflectance Distribution Functions- BRDFs) bu anlamda yüzeyin aydınlatılması ve ne kadar ışığın yansıtılması gerektiğini hesaplayan fonksiyonlardır. Konuyla ilgili ilk çalışmayı Alman matematikçi, fizikçi ve gökbilimci olan Johann Heinrich Lambert gerçekleştirmiş ancak geliştirilen model gerçeklikten o kadar uzak kalmaktadır ki (Lambert modeline örnek olarak sadece kil ve ay yüzeyi örnek verilebilir ancak verilen bu örnekler Lambert modelinde ki kadar mat değildir.) var olan hiçbir maddeyi temsil edememektedir. Bu amaçla gerçekliği elde etmek veya bir nebze dahi olsa gerçekliğe yaklaşmak için birçok yansıma modeli geliştirilmiştir. Bu tez çalışmasında geliştirilen birtakım İki Yönlü Yansıma Dağılım Fonksiyonları (Bidirectional Reflectance Distribution Functions- BRDFs) incelenmiş ve değerlendirmelerde bulunulmuştur. Anahtar Sözcükler: Bidirectional Reflectance Distribution Functions, Lighting in Computer Graphics, Lambert BRDF
Görme tabanlı kalite kontrol için yüksek performanslı endüstriyel kamera ve akıllı tanıma sisteminin geliştirilmesi
Makine görmesi sistemleri özellikle endüstride görüntü işleme tabanlı otomatik kalite kontrolü, veya analizi yapmak için kullanılan yöntemler ve teknolojiler bütünüdür. Günümüzde hızlı seri üretim bantlarını kullanan işletmelerin sayısı arttıkça bu sistemlerde kullanılması gereken sistem ve algoritmaların gereksinimleri de artmaktadır. Görüntü işleme tabanlı bir kalite kontrol sisteminin endüstriyel sayısal kamera ve akıllı tanıma algoritması olmak üzere iki bileşeni bulunmaktadır. Bu doktora tezinde görüntü işleme tabanlı bir akıllı kontrol algoritması sistemi geliştirmek için iki katkı sunulmaktadır. Birincisi, görüntü oluşturma algoritması ve haberleşme algoritmasına sahip bir programlanabilir endüstriyel kamera, ikincisi ise bir konveyör üzerinde hızla hareket eden nesnelerin sayılması, boyutlarının ölçülmesi ve olası hataların tespiti için akıllı tanıma algoritmalarının geliştirilmesidir. Öncelikle tez kapsamında tamamı özgün olarak geliştirilen algoritmalar, Cyclone IV serisi FPGA kullanılarak 0.3 MP – 5 MP aralığında programlanabilir çözünürlüğe sahip bir sayısal kamera için geliştirilmiş ve yaklaşık 1 gbps hızla haberleşme yapacak şekilde gerçek zamanlı olarak gerçekleştirilmiştir. Daha sonra seri üretim bantlarında hızla hareket edecek nesnelerin sayımı, boyutlarının ölçülmesi ve hata tespiti için geliştirilen farklı algoritmalar, farklı görüntüler ve nesneler üzerinden doğrulanmıştır. Ayrıca tez çalışması kapsamında gerçekleştirilen arayüz tasarımı ile geliştirilen bu algoritmaların bir arayüz üzerinde çalışabilmesi sağlanmıştır. Tez kapsamında elde edilen bu bütünsel kalite kontrol sistemi temel olarak bir adet sayısal kamera, akıllı kontrol yazılımları ve ana işlem birimi modüllerini bünyesinde barındırmaktadır. Sonuç olarak bu doktora tezinde yapılan çalışmalar ile bilime, özgün bir endüstriyel sayısal kameranın geliştirilmesi için gerekli görüntü elde etme ve sayısal haberleşme algoritmalarının ortaya konulması ile nesne sayma, boyut ölçme ve hata tespiti için gerekli algoritmaların geliştirilmesi açısından katkılar sunulmuştur. Bu doktora tezi kapsamında geliştirilen çalışmalar T.C. Bilim, Sanayi ve Teknoloji Bakanlığı tarafından 0743.STZ.2014 numaralı SAN-TEZ projesi ile desteklenmiştir.
Mobil uygulamalarda kullanıcı sürekliliği için yaşam döngüsü yönetiminde büyük veri analiz yöntemlerinin geliştirilmesi
Mobil uygulamalar, akıllı telefon veya tablet bilgisayar gibi bir mobil cihazda çalışmak üzere tasarlanmış bir tür uygulama yazılımıdır. Geliştirilen mobil uygulamalar, işletim sistemine bağlı olarak farklı platformların sağladığı mobil uygulama sanal mağazalarında kullanıcılara sunulmaktadır. Mobil uygulamaların mobil yaşam döngüsü içerisinde kullanıcı sürekliliğini arttırmak amacıyla çeşitli çalışmalar yapılmaktadır. Bu, mobil uygulamaların pazarda yer alması açısından oldukça önemlidir. Bu tez kapsamında mobil uygulamalarda kullanıcı sürekliliğini sağlamak için mobil uygulama yaşam döngüsü yönetiminde tanımlanan bir büyük veri analiz yöntemi için A/B testlerinin uygulanması geliştirilmiştir. Bu amaçla birebir ve grup anlık mesajlaşma özelliklerine sahip olan mobil bir uygulama temel alınarak birebir mesajlaşma sohbet penceresinde bir bireyin başka bir bireye para transferi yapma akışındaki yönlendirme adımı için iki versiyonda A/B test hazırlanmıştır. Öncelikle iOS ve Android işletim sistemine sahip cihazlar için yazılım içerisine Mixpanel analitik aracının uygun yazılım geliştirme setleri yüklenerek A/B test entegrasyonu tamamlanmıştır. Daha sonra mobil uygulama yaşam döngüsü ve bu yaşam döngüsünün iş modeli için kullanılan AARRR metrikleri incelenmiş ve bu metriklerin her biri için literatürdeki mevcut çalışmalar incelenmiştir. Sonrasında aktivasyon metriği için bir yöntem geliştirilmiş ve seçilen uygulamada bulunan büyük veri üzerinde A/B test ile kullanıcı sürekliliğini arttıracak analizler yapılmıştır. Bu analizler sonucunda anlık mesajlaşma uygulamasını kullanan tüm kullanıcıların A/B test rapor sonuçlarına göre hazırlanan iki versiyondan değerli olan tespit edilerek tüm kullanıcılara dağıtılmıştır.
Gerçek ve yarı gerçek zamanlı yüz tespit etme
Son yıllarda, görüntülerde insan yüzünün algılanması araştırmacılar için ilgi çekici hale gelmiştir. Artan bu ilginin arkasındaki sebeplerden biri daha hızlı, gelişmiş ve havaalanlarında, stadyumlarda, hastanelerde ve fabrikalarda güvenliğin sağlanması için daha emniyetli bir düzen ihtiyacıdır. Hızlı ve etkin bir araç olan bilgisayarlar ile yüz algılama ve yüzün yerinin belirlenmesini kullanan birçok uygulama, hayatın zaruri bir parçası olmuştur. Bu çalışmada, görüntü işleme teknikleri ve yüz bulma için Haar-Cascades Sınıflandırıcısı kullanılarak bir görüntünün yüz içerip içermediğinin tespiti, resim üzerinde yüz yerlerini saptama işlemleri gerçekleştirilmiştir. Bu teknikler uygulanırken Intel açık kaynaklı bilgisayar görme kütüphanesi (open source computer vision library - OpenCv) aracından yararlanılmıştır. Proje kapsamında bulunan yazılım ve arayüzü Windows işletim sistemi ve Visual Studio çerçevesi üzerine C# programlama dili kullanarak hazırlanmıştır.
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).
Lazer kameralar kullanılarak bilgisayar görmesi ile üç boyutlu ray profili arızalarının gerçek zamanlı teşhisi
Ülkemizde ve dünyada demiryolu ulaşımı çok yaygın olarak tercih edilen bir ulaşım yöntemidir. Ray hatlarının fiziksel yapıları, raylı ulaşım aracının ağırlığı ve hızı, demiryolunun kullanım yoğunluğu gibi birçok neden ray hattında aşınma, kırılma, çatlama, bozulma gibi çeşitli arızalara neden olmaktadır. Bu arızaların teşhis edilmesi için hızlı ve verimli şekilde peryodik bakımların yapılması olası maddi ve manevi kayıpların önüne geçecektir. Bu tez çalışmasında, demiryollarında ray hatları üzerinde oluşan arızaların temassız olarak lazer kameralar kullanılarak gerçek zamanlı şekilde teşhis edilmesi için yöntemler önerilmiştir. Ray hatlarında oluşan milimetrik seviyedeki hataların tespit ve teşhis edilmesi için kullanılan lazer kameralar ile öncelikle rayın üç boyutlu modeli elde edilmekte, daha sonra bu gerçek modelden hataların teşhis edilmesi sağlanmaktadır. Yöntem geliştirme aşamasında sayısal kamera ve lazer kamera kullanan çalışmalar için giriş verileri üzerinde temel bileşen analizi, tekil değer ayrıştırma, çekirdek temel bileşen analizi, histogram karşılaştırma gibi özellik seçim algoritmaları ile, rassal orman ve evrişimsel yapay sinir ağı makine öğrenmesi algoritmaları kullanan yöntemler geliştirilmiştir. Önerilen yöntemlerin doğrulanması için tez kapsamında kurulan deney seti kullanılmış ve gerçek veriler ile doğrulama çalışmaları yapılmıştır. Sonuç olarak, bu doktora tezi kapsamında lazer kameralar kullanılarak ray hatlarındaki arızaların teşhisi için geliştirilen yöntemlerin performansı deneysel veriler ve saha çalışmaları ile ortaya konulmuştur. Tez süresince yapılan çalışmalar 114E202 numaralı TUBİTAK 1001 araştırma projesi ile desteklenmiştir.
Karmaşık ağlarda bağlantı ve ağırlıkların birlikte tahmin edilmesi: Bilim insanlarının atıf sayısının tahmini
Birçok farklı alanda, özellikle de internet ortamındaki sosyal ağlarda, varlıklar arasındaki ilişkiler oldukça karmaşık ağlar oluşturur. Son zamanlarda karmaşık ağlarda ağ analizi ve veri madenciliği araştırmacıların ilgisini çekmiştir. Karmaşık ağlarda bağlantı tahmini de oldukça ilgi gören araştırma konularından biridir. Bu çalışmada karmaşık ağlarda bağlantı tahmini için iki yöntem önerilmiştir. Birinci yöntemin amacı bilim insanlarının atıf sayısını tahmin etmektir. Önerilen yöntemde bilim insanlarının atıf sayısı tahmini problemi, atıf ağlarında bağlantı tahmini problemi olarak formülleştirilmiştir. Atıf ağlarının zaman içindeki evrimi boyunca artan/azalan eğilimlerin dikkate alındığı zamansal bir bağlantı tahmini ölçütü önerilmiştir. Önerilen bağlantı tahmini ölçütü yönlü, ağırlıklı ve zamansal ağlarda bağlantıların ağırlıklarıyla beraber tahmin edildiği ilk çalışmadır. Atıf ağlarında yapılan test sonuçları önerilen yöntemin atıf sayısı tahmini için doğruluğunu gösterir. Önerilen bağlantı tahmini ölçütü ayrıca klasik bağlantı tahmini ölçütüyle de karşılaştırılmış ve önerilen ölçütün etkili bir bağlantı tahmini ölçütü test sonuçlarında görülmüştür. İkinci yöntemin amacı yönlü ağlarda bağlantıların yön bilgisinin bağlantı oluşumundaki rolü dikkate alınarak komşuluk tabanlı bağlantı tahmini ölçütlerinin doğruluğunu artırmaktır. Literatürdeki bağlantı tahmini ölçütlerinin çoğunda bağlantıların yön bilgisinin bağlantı oluşumundaki rolü dikkate alınmamıştır. Bunun için bu çalışmada klasik komşuluk tabanlı bağlantı tahmini ölçütlerinin yönlü ağ motifleri kullanılarak hesaplandığı genel bir yöntem önerilmiştir. Yönlü ağlarda yapılan test sonuçları önerilen yöntemin komşuluk tabanlı bağlantı tahmini ölçütlerinin doğruluğunu dikkate değer bir şekilde artırdığını göstermiştir.
Bir sosyal ağdan alınan verilerin anlamsal kutuplandırılması
Bu tez çalışmasında twitter kullanıcılarının atmış olduğu tweetlerden yararlanarak internet üzerinde dolaşan kirli ve düzensiz bilginin daha elveririşli hale getirilmesi amaçlanıştır. Günümüzde sosyal ağ kullanımının artması ve kullanıcıların yoğun talep göstermesi paylaşılan içeriklerin kontrolünü gündeme getirmiştir. Kötü niyetli kişilerin algı yönetimi, provakasyon, sahtekarlık amaçlı metinlerin önüne geçilmesi mevcut verileri sınıflandırma fikrini ortaya çıkarmıştır. Sınıflandırmadan kasıt verinin toplumun etik değerleri, dil ve lehçe göz önüne alınarak anlamsal olarak olumlu, olumsuz, nötr olarak belirtilmesidir. Bu yüzden analiz amaçlı NodeXL ile Twitter üzerinden alınan datalar gereksiz kelime ve noktalama işaretlerinden arındırılmış, yanlış yazımlar, lehçe farklılıkları elimine edilmiştir. Yapılandırma aşamasından sonra tweetler daha doğru sonuçlar alınabilmesi adına herbir tweet beş farklı gönüllü tarafından olumlu, olumsuz, nötr olarak etiketlenip sayı değeri yüksek olan etiket değeri sonuç olarak kabul edilmiştir. Hazırlanan data seti knime programı yardımıyla kullanılan kelime sıklığına göre özellik vektörleri oluşturulup 70'a 30 oranında öğrenme ve tahmin grupları DVM(Destek Vektör Makineleri), Naive Bayes, Karar Ağaçları algoritmalarıyla sınıflandırılmıştır. Son aşamada ise ağ ilişkilerinin anlam üzerindeki etkisi araştırılmıştır.
Kapalı ortamlarda elektromanyetik dalga yayılımının 3 boyutlu ışın izleme yöntemi ile modellenmesi için bir simülatör tasarımı
Elektromanyetik (EM) dalgaların yayılımı, üzerinde çokça araştırmanın yapıldığı bir konudur. Yapılan çalışmalar göstermiştir ki açık görüşün olduğu ortamlarda daha basit hesaplamalar yapılarak gerçeğe yakın sonuçlar elde edilebilirken ortamın karmaşık hale gelmesiyle bu hesaplamalar da karmaşık hale gelebilmektedir. Literatürde elektromanyetik dalgaların yayılımını modelleyen pek çok yöntem mevcuttur. Bu modellerden biri olan deterministik yöntemler, ortamın geometrisini, dielektrik özelliklerini, ışının yansıma, kırılma ve kırınım gibi olaylarını dikkate almaktadır. Deterministik yöntemlerden bazıları bu etkileri Maxwell denklemleri ile çözerek başarılı sonuçlar üretebilmektedir. Bununla birlikte Maxwell denklemleri çözümlerinin getirdiği karmaşıklık ve işlem yükü beraberinde belirli dezavantajlar da getirmektedir. Bu zorlukların önüne geçmek amacıyla yaklaşımsal teknikleri kullanan bir diğer deterministik yöntem olan ışın izleme teknikleri kullanılmaktadır. Bu tez çalışmasında, kapalı ortamlarda elektromanyetik dalgaların yayılımını tahmin etmek amacıyla ışının temel olayları olan kırılma, yansıma ve kırınım etkilerini bilimsel metotlarla hesaba katan 3 boyutlu ışın izleme yöntemi kullanılmıştır. Bu amaçla istenilen ortamın 3 boyutlu modellenebileceği, alıcı ve verici kablosuz düğümleri istenilen parametrelerle konumlandırılabileceği bir 3 boyutlu ışın izleme yazılım aracı ve kütüphanesi geliştirilmiştir. Programın doğruluğunun test edilebilmesi için gerçek tünel ortamından sonuçlar alınmıştır. Ölçüm alınan tünel ortamı, geliştirilen program aracılığı ile 3 boyutlu olarak modellenip çeşitli senaryolar denenmiştir. Gerçekleştirilen senaryolarda yansıma ve kırınım olaylarının etkileri gözlemlenmiştir.
Derin öğrenme ve büyük veri yaklaşımları ile metin analizi
Büyük veri analitiği ve derin öğrenme, gelişen dijital dünyada veri biliminin son yıllarda odaklandığı iki önemli araştırma ve çalışma alanıdır. Büyük miktarda ve farklı çeşitlikteki metin verilerini geleneksel yazılım araçları ve teknolojileri kullanarak analiz etmek ve yönetmek zor bir problemdir. Bu tez çalışmasında büyük veri teknolojileri ve derin öğrenme mimarileri detaylı bir şekilde analiz edilmiş olup dört temel uygulama sunularak akademik katkı sunulması hedeflenmiştir. İlk olarak çağrı merkezleri için bulut tabanlı dağıtık performans analizi ve değerlendirme sistemi geliştirilmiştir. Bu sistemin, iç ve dış çağrı kayıtlarını dağıtık bir şekilde işleyen bulut tabanlı bir performans ölçüm sistemi sunarak müşteri memnuniyeti, satış ve pazarlama, hizmet kalitesi ve performans yönetiminde yüksek bir performans ile önemli bir katkı sağlaması hedeflenmiştir. İkinci uygulamada büyük veri teknolojileri kullanarak Türk dili için dağıtık okunabilirlik analiz sistemi geliştirilmiştir. Türkiye'de eğitim kurumları tarafından kullanılan herhangi bir okunabilirlik uygulaması yoktur ve bu ihtiyaçtan dolayı Türkçe okuma kitaplarını kısa bir sürede analiz edecek okunabilirlik sistemi geliştirilmiştir. Üçüncü uygulamada, farklı mimariler, yöntemler, katmanlar ve hiper parametre optimizasyonları ile oluşturulan derin öğrenme modelleri ile duygu analizi ve haberler veri setinde çok kategorili metin sınıflandırma çalışmaları gerçekleştirilmiştir. Dördüncü uygulamada ise dil bağımsız metin sınıflandırma problemlerinde kullanılabilecek yeni bir Ortalama Doküman Vektörü (ADE) yöntemi sunulmuştur. Önerilen yöntem Türkçe ve İngilizce film yorumlarında duygu sınıflandırması için test edilmiş ve başarılı bir performans göstermiştir. Türkçe metin sınıflandırma çalışmalarında kullanılabilecek büyük ölçekli bir kıyaslama veri seti yoktur. Bu tez çalışmasının diğer temel katkısı ise bu ihtiyacı karşılamaya yönelik yaklaşık 1 milyon benzersiz kelime içeren Türkçe haberler veri setinin ve 150 bin adet etiketli Türkçe film yorumları veri setinin oluşturulması ve akademik kullanıma açık olarak sunulmasıdır.
Nokta bulutu verilerinden nesne ayırt etme
Nesnelerin ayırt edilmesi problemlerine, bilgisayar grafiği ve bilgisayar görmesi alanlarında, uzun yıllardır çok çeşitli çalışmalarla yanıt aranmaktadır. Bu problemin çözümü için görüntü tabanlı birçok yaklaşım üretilmesine rağmen, bu çözümlerin bazı alanlarda kullanılabilmesi için yetersiz kaldığı düşünülmektedir. Günlük hayatta sıklıkla karşılaşılan nesneler ve şekiller arasında ayrım yapabilme ve tanıma, bu alanlardaki önemli bir sorundur. Tez çalışmasında, kapalı bir sahne içerisindeki fiziksel nesnelerin ayırt edilmesi adına, gerçek hayatta kullanılan nesnelere ait nokta bulutları üzerinden yeni bir iskelet eğrisi çıkarma algoritması uygulanmaktadır. 3B nesnenin iskelet eğrisi, 3B şekillerin soyut olarak, geometrik ve topolojik bir gösterimidir. Bu iskelet yapısı var olan nokta bulutu içerisinden elde edilmiş bir ortalama nokta bulutu verilerinin bütünleşmiş halidir. Nokta bulutu verileri üzerinden iskelet bilgisi çıkarımı için Medial iskelet çıkarma algoritması ve ona yardımcı Laplace daraltma algoritması uygulanmaktadır. Mevcut iskelet çıkarım algoritmalarının her birinin kendine özgü kullandığı bir veri türü ve işleyiş biçimi bulunmaktadır. Sağlam bir iskelet yapısı elde etmenin en temel yolu, nesnelere ait nokta bulutunun, mümkün olduğunca kusursuz olmasıdır. Bunun yolu, nesnelere ait iyi bir tarama işlemini yerine getirmekten geçmektedir. Bu alanlardaki tarama işlemlerinde, çoklu ya da hareketli sensör kullanımı şeklinde, çeşitli uygulamalar bulunmaktadır. Bu bakımdan tez çalışmasında, kullanımı geleneksel tarayıcılara kıyasla daha pratik ve maliyeti düşük olan, sabit bir Kinect sensör vasıtasıyla, kullanıcının nesne için uygulayacağı doğal bir hareketle, tarama üreten bir yaklaşım uygulanmaktadır. Bu yaklaşım kapalı mekân ve kısa mesafede bulunan 3B nesnelerin, geniş bir yelpazede tam (360 derece) nokta bulutu verisinin üretilmesine olanak tanımaktadır. Nesne tarama için oluşturulan sistem kolay kurulabilir, basit ve etkileyici sonuçlar üretmektedir. Sabitlenmiş tek bir Kinect sensör karşısında, döner tabla üzerinde duran 3B nesnenin, belirli açılarla (ör. 90) döndürülerek birden fazla nokta bulutu tarama verisi elde edilmektedir. Birleştirme ve hizalama işlemleri için her bir taramanın ağırlık merkezi (0, 0, 0) olacak şekilde tüm nokta bulutları ötelenmektedir. İkinci ve daha sonraki taramalardan elde edilen nokta bulutu verileri için sırasıyla, merkez noktasına (0, 0, 0) göre y-ekseni hizasında dönüşüm işlemi yapılmaktadır. Farklı açılardan elde edilmiş, dönüştürülmüş nokta bulutu verileri, belirlenen birleşim anahtar noktalarına göre ötelenerek, sırasıyla birbirlerine göre hizalanmaktadır. Elde edilen tam bir kaba 3B nokta bulutu verisi üzerinde, düzeltme ve iyileştirme işlemleri için kesitler üzerinde çalışan bir algoritma yürütülmektedir. Böylece elde edilen tarama, veri kalabalığından arınmış, 3B, sade ve düzenli bir yapıya kavuşmuştur. Bu bakımdan, nokta bulutlarının, iskelet çıkarımı yapılabilecek en uygun hale getirilmesi sağlanmıştır.
Sera uygulamalarında bulanık mantık tabanlı uzaktan kontrol sistemi
Kablosuz sensör ağları ve nesnelerin interneti teknolojilerini kullanan akıllı sera sistemleri (Smart Greenhouse System) maliyet, zaman, enerji, su ve ışık verimliliği ile ürün kalite ve verimliği açısından avantajlıdır. Bir serayı izlemek, seradaki çevresel parametreleri kontrol etmek ve serayı yönetmek sera sistemlerinde son zamanlarda üzerinde en yoğunlaşılan çalışma alanlarından biridir. Bu çalışmada, seraların sıcaklık, bağıl nem, toprak nemi ve ışık yoğunluğu gibi çevresel parametrelerini gerçek zamanlı olarak izlenmesi için bir akıllı sera sistemi geliştirilmiştir. Geliştirilen akıllı sera sistemi uzaktan erişim ile seranın ısıtılması, soğutulması, ışıklandırılması, gölgelendirilmesi ve sulanması kontrollerini gerçekleştiren bir uygulamadır. Bu çalışma için sensörler, düğüm paketleri, güç kaynağı ve wifi kablosuz haberleşme teknolojisini kullanan modül kullanılmıştır. Oluşturulan kablosuz sensör ağı bulanık mantık yöntemi ile kontrol edilmiştir. Bulanık mantık sistemi kullanılarak seranın ısıtılması, soğutulması, ışıklandırılması, gölgelendirilmesi ve sulanması için gerekli optimum değerler hesaplanmıştır. Giriş verileri ile bulanık mantık sisteminin çıkış değerleri kullanıcıya uzaktan erişebileceği Android tabanlı bir uygulama ile sunulmuştur. Kullanıcının sistemi manuel veya otomatik olarak kontrol edebilmesi sağlanmıştır. Bu sayede çiftçilerin/kullanıcıların seralarını izleyip kontrol edebilmeleri amaçlanmıştır. Geliştirilen uygulama da kullanılan donanım elamanlarının maliyetleri az, düşük pil tüketir, kullanımı kolay ve güvenilirdir. Bulanık mantık sisteminin kullanılmasıyla ara durumlarda hesaplandığı için etkin bir kontrol yapılmaktadır. Geliştirilen uygulama ile kullanıcı uzaktan serayı izleyip kontrol edebildiği için kullanıcının zaman ve mekân konusunda yaşadığı sınırlamaları ortadan kaldırmaktadır. Bütün bunlar geliştirilen bu uygulamanın avantajlarını göstermektedir.
Derin öğrenme yöntemleri kullanarak adli bilişim incelemelerinde delil çıkarımının gerçekleştirilmesi
Günümüzde teknolojinin hızlı gelişimi, dijital ortamların günlük hayatta kullanılmasını kaçınılamaz hale getirmiştir. Bankalar, e-devlet kapısı, e-ticaret siteleri ve sosyal medya ortamlarının bilgiye çok hızlı erişim sağlanmasını mümkün kılması internet ve dijital ortamların kullanımını günlük hayatın değişmez bir parçası haline getirmiştir. Bu durum hayatı kolaylaştırmasının yanında bazı olumsuz durumların da artmasına yol açmıştır. Dijital ortamlarda işlenen dolandırıcılık, veri hırsızlığı, yasal olmayan madde satışı ve terör eylemlerinin yayılması gibi birçok suçun işlenmesi kolaylaşmış ve sayısında artış görülmüştür. Böyle durumların dijital ortamlarda engellenmesi, incelenmesi ve raporlanması adli bilişimin çalışma alanına girmektedir. Ancak, günümüzdeki mevcut adli bilişim inceleme süreçleri artan suçlara cevap veremez duruma gelmektedir. Bu çalışmada birçok alanda kullanımı yaygınlaşan ve başarılı sonuçlar elde eden derin öğrenme yöntemlerinden adli delil incelemelerinde de yararlanılması amaçlanmıştır. Bu amaçla, derin öğrenme nesne tespiti algoritmaları kullanılarak adli delil incelemelerine yardımcı bir delil ayıklama yöntemi önerilmiştir. Alınan sonuçlar, delilden çıkarılan resim verilerinin içeriklerine göre sınıflandırılması derin öğrenme kullanılarak %93 oranında daha hızlı gerçekleştirilebileceğini göstermektedir. Bunun yanında sınıflandırma sonucunda insan kaynaklı hataların da azalacağı gösterilmiştir. Önerilen yöntemin ilerleyen çalışmalarda görüntü verilerinin yanında ses, yazı ve video verilerine de uygulanarak adli delil inceleme yazılım araçlarına entegre edilmesi amaçlanmaktadır.
Mobil cihazlarda sosyal medya uygulamalarının adli bilişim açısından analizi
Mobil cihazlar son yıllarda hayatın her alanında yoğun bir şekilde kullanılmaya başlanmıştır. Piyasada birçok mobil cihaz çeşidi bulunmaktadır ve bu cihazlar için çok çeşitli işletim sistemleri, dosya sistemleri ve uygulamalar geliştirilmiştir. Bu gelişim ile birlikte bu cihazların suç faaliyetlerinde kullanım oranları da artmıştır. Sürekli değişen ve gelişen mobil cihazların suçun işlenmesinde direk veya dolaylı olarak kullanılması ile mobil cihaz incelemesini önemli bir konu haline getirmiştir. Bu ihtiyaç adli bilişimin bir dalı olarak mobil adli bilişimi ortaya çıkarmıştır. Mobil adli bilişim, mobil bir cihazdan gelen dijital kanıtları, kabul edilmiş yöntemlerle inceleyerek veriler elde etmeyi ve bu veriler ışığında suça konu olan delilleri ortaya koymayı amaçlayan bilim dalıdır. Sosyal ağ adli bilişimi ise sosyal ağlar üzerinde delil teşkil edebilecek birçok kişisel veriye ulaşmayı ve bunları analiz edip raporlamayı içeren bilim dalıdır. Mobil cihazlardaki sosyal ağ uygulamalarının bıraktığı kişisel verilerin çokluğu düşünüldüğünde, mobil cihazlardaki sosyal medya uygulamalarının incelenmesinin önemi ortaya çıkar. Bu tez çalışmasında mobil cihazların adli incelenmesi için gerekli süreçler incelenmiş, mobil cihazlardan veri çıkarımına ilişkin gerekli işlemler açıklanmış, mobil cihazlarda sosyal medya uygulamalarının adli bilişim açısından analizinin nasıl gerçekleştirilmesi gerektiği ortaya konulmuştur. Tez çalışmasının uygulama kısmında, günümüzde en çok kullanılan mobil işletim sistemlerinden olan Android ve iOS yüklü cihazları üzerine; Facebook, WhatsApp Messenger, Instagram, Twitter ve BiP Messenger uygulamaları yüklenmiş, temel kullanıcı davranışları gerçekleştirilmiş cihazların analizi gerçekleştirilmiştir. İnceleme yapılırken mobil adli bilişim alanında en yetkin araçlardan olan Oxygen Forensic, Paraben E3:DS, Magnet Axiom araçları kullanılmıştır.
Kablosuz sensör ağları için RSSI değeri ile yapay sinir ağı yaklaşımlı konum bulma
Kablosuz sensör ağlarda RSSI ile mesafe kalibrasyonu ve konum bulma üzerine birçok yöntem, algoritma ve çalışma mevcuttur. Bu tez çalışmasında RSSI ile mesafe kalibrasyonu ve konum bulmaya, yapay sinir ağları kullanarak farklı bir bakış açısı getirilmeye çalışılmıştır. Bu amaçla öncelikle kablosuz sensör düğüm ihtiva eden hareketli bir araç tasarlanmıştır. Bu araç 4 bir köşesinde kablosuz sensör düğüm bulunan ve her birimi 60 cm olan 16x14'lük bir deney ortamında, 60 cm'lik ilerlemelerle köşe düğümlere olan uzaklık – RSSI değerleri ve aracın x, y koordinatları bilgisayar ortamında kayıt altına alınmıştır. Bu işlemler her noktada her düğüm için, gürültüden etkilenen ölçümlerin sonuca etkisini azaltmak için, 100 kez tekrarlanmış, sonuç olarak toplamda 4x100x(16x14) adet RSSI mesafe ve konum bilgisi kayıt altına alınmıştır. Bu veriler sonraki aşamada, MATLAB ortamında tasarlanan yapay sinir ağlarında eğitim ve test verisi olarak kullanılmış ve ağırlıkları hesaplanan yapay sinir ağları fonksiyonları elde edilmiştir. Aynı şekilde yine MATLAB ortamında Bounding Box algoritması için bir fonksiyon yazılmış, hem Bounding Box algoritmasına göre hem de elde edilen YSA'lardan elde edilen sonuçlar karşılaştırılmıştır. Uygulamanın gerçekleştirilmesinde Arduino IDE, MATLAB, Netbeans IDE yazılım gerçekleştirme ortamları yanında, uygulama sonucunda elde edilen verilerin saklanması amacıyla MySql veri tabanı kullanılmıştır. Kablosuz sensör düğümler Arduino ve XBee modüller kullanılarak oluşturulmuş, XBee modüllerin konfigürasyonu, XCTU ara yüzü kullanılarak USB üzerinden yapılmıştır.
İlişkisel veri tabanlarında anahtar kelime arama
İlişkisel veri tabanlarında anahtar kelime aramak için birçok çalışma yapılmıştır. Son kullanıcının veri tabanı yapısından habersiz ve SQL sorgu dilini kullanmadan veri tabanından sorgu yapabilme ihtiyacı ilişkisel veri tabanlarında anahtar kelime arama uygulamaları ihtiyacını doğurmuştur. Yapılan çalışmaların ortak özelliği metin alanlarda metin arama işlemini gerçekleştirmeleridir. Bu çalışmaların amacı kullanıcının dışarıdan girdiği anahtar kelimeleri kullanarak veri tabanı sorgusu oluşturmak ve elde edilen sonuçları kullanıcıya sunmaktır. Burada önemli olan tablolar arası ilişkilerin doğru tanımlanabilmesi ve sonuç olarak verilecek veri setinin doğru sıralanabilmesidir. Yapılan çalışmalarda performans ikinci planda tutularak doğru sırada doğru sonuç üretebilme hedeflenmiştir. Çalışmalar veri tabanına özel geliştirildiklerinden genele hitap etmemektedirler. Bu durum yapılan çalışmaların dezavantajı gibi görünse de aslında olması gereken bir durumdur. Bu çalışmada tablolar arası ilişkinin tanımlanmasında sadece dış anahtar, birincil anahtar ilişkisinin kullanılmasının yeterli olmayacağını göstererek kayıtlar için tanımlayıcı olabilecek diğer alanlar üzerinden de ilişkiler tanımlamıştır. Tanımlanan bu ilişkiler elde edilen bilginin detaylanmasını sağlamıştır. Uygulanan yöntemin adımları ve elde edilen sonuçlar detaylı bir şekilde sunulmaktadır.Anahtar Kelimeler : Anahtar kelime arama, ilişkisel veri tabanları
Demiryolu rayları için gerçek zamanlı bulanık otomata ile görme tabanlı arıza teşhis sisteminin geliştirilmesi
Demiryolu araçları, yolcu ve kargo taşımacılığında dünyada olduğu gibi ülkemizde de yaygın olarak kullanılmaktadır. Son yıllarda yüksek hızlı demiryolu araçlarının gelişmesiyle birlikte ray hatlarının güvenliği çok önemli hale gelmiştir. Ulaşım güvenliğinin sürekli olarak sağlanması için demiryolu hattındaki bileşenlerin düzenli aralıklarla muayene edilmesi gerekmektedir. Bu tez çalışmasında, demiryolu raylarındaki arızaların teşhis edilebilmesi için gerçek zamanlı, bulanık otomata yapısı kullanan görüntü işleme tabanlı yöntemler geliştirilmiştir. Tez kapsamında öncelikle karmaşık bulanık otomata yapısı ortaya konulmuş ve uygulanabilirliği sağlanmıştır. Daha sonra ray hatlarındaki ray yüzeyi, bağlantı elemanları, traversler ve diğer bileşenlerdeki olası aşınma, kırılma, çatlama veya ondülasyon gibi arızaların teşhisine yönelik görüntü işleme tabanlı temassız yöntemler geliştirilmiş ve deneysel sonuçları verilmiştir. Tez kapsamında üç temel noktada bilimsel katkı ve yenilik sunulmuştur. İlk olarak tezde bulanık otomataların gerçek zamanlı uygulanabilirliği araştırılmış ve karmaşık bulanık otomatalar geliştirilmiştir. Daha sonra görüntü işleme uygulaması üzerinde karşılaştırmalı sonuçlar elde edilmiştir. Uygun şartlarda karmaşık bulanık mantık kullanan otomataların avantajları irdelenmiştir. İkinci olarak, tezde ray yüzey ve bileşenlerindeki arızaların teşhisine yönelik gerçek zamanlı uygulanabilen ve yaklaşık 100 km/h hızla giden bir tren üzerinde çalışabilecek yapıda yöntemler sunulmuştur. Üçüncü olarak ise tezde raylardaki bazı hataların tespiti ve durum izlemesi için termal görüntü kullanan teknikler sunulmuş ve deneysel görüntüler üzerinden doğrulanmıştır. Sonuç olarak, bu doktora tez çalışması kapsamında hızlı görüntü alan kameralar kullanılarak raylardaki çoğu arızaların tespiti için yeni yöntemler önerilmiş ve bunların performansları deneysel sonuçlar ile doğrulanmıştır. Tez kapsamında yapılan çalışmalar 114E202 numaralı TUBİTAK 1001 araştırma projesi ve MF.16.65 numaralı FUBAP doktora tezi araştırma projesi ile desteklenmiştir.
Türkçe'deki ünlü harflerin formant frekans değerlerine dayalı adli aksan analizi gerçekleştirimi
Geçmişte fiziksel araçlar ve yollarla işlenen suçlar dijitalleşmenin artmasıyla giderek yerini elektronik araçlarla işlenen suçlara bırakmaktadır. Elektronik araçlarla işlenen bu suçlar arkasında, bilgisayarlar, taşınabilir cihazlar, ağ cihazları ve depolama aygıtları gibi elektronik deliller bırakmaktadır. Ses delillerinin incelenmesi ya da ses adli bilişimi (audio forensic), elektronik delilleri ve içlerinde bulunan verileri kullanarak suçların aydınlatılmasına katkıda bulunan Adli Bilişim disiplininin bir alt dalı olarak bilinmektedir. Ses adli bilişimi için halihazırda kullanılabilecek birçok ses analiz yazılımı mevcuttur. Sayısal ses işleme teknikleri tabanlı yöntemleri kullanan bu yazılımların, ses kayıtlarında kurgu/montaj tespiti (kayıt bütünlüğünün doğrulanması), spektrum analizi, bozuk kayıtların anlaşılabilirliğinin arttırılması (kayıt iyileştirme), konuşmacı profili (yaş, cinsiyet vs.) belirleme, ortam gürültüleriyle maskelenmiş ses analizi, adli takiplerde gerçek zamanlı ses analizi ve konuşmacının etnik yapısı ile ilgili olan dil ve aksan öğelerini belirleme gibi ses adli bilişimi işlemlerini otomatik olarak gerçekleştirebilmesi beklenmektedir. Bu tez çalışmasında, konuşma üretimi ve ses bilimi, ses incelemede kullanılan temel konuşma işleme teknikleri, adli açıdan ses incelemeleri ve bu incelemelerde kullanılan yazılımların teknik ve performans kriterleri göz önünde bulundurularak karşılaştırılması yapılmış ve bu yazılımların eksik yönlerinden biri olan aksan tanıma konusu üzerinde literatür çalışması gerçekleştirilmiştir. Literatür çalışma sonucunda Türkçe dili için aksan analizinin şimdiye kadar gerçekleştirilmediği görülmüştür. Bu doğrultuda ünlü harflerin formant frekans değerlerine dayalı analizlerin bir dilde bulunan aksanları belirlemede önemli bir faktör olduğu literatüre dayanarak görülmüştür. Dolayısıyla bu tez çalışması ile Türkçe'deki ünlü harflerin formant frekans değerlerine dayalı adli aksan analizi gerçekleştirilmiştir. İstatistiksel analiz sonuçları yoluyla bölgesel formant frekans değerleri farklılıklarının ortaya konmasının yanı sıra sınıflandırma analizleri yoluyla da %90'a varan sınıflandırma başarım oranları elde edilmiştir. Bu sonuçlar, gelecekte özellikle daha fazla sayıda konuşmacı ile eğitilmiş sınıflandırma algoritmaları kullanılarak, Türkçe dili için ünlü harflerin formant frekans değerlerine dayalı bir eş zamanlı otomatik aksan analiz sisteminin tasarlanmasının önünü açacaktır.
Büyük ölçekli iki parçalı karmaşık ağlarda güçlendirilmiş yansıma modeline dayalı bağlantı tahmini yöntemleri
Gerçek dünya verilerinden oluşturulmuş birçok karmaşık ağ, doğası gereği iki parçalı bir yapıya sahiptir. İki parçalı ağlar, gerçek dünya sistemlerinin karmaşık yapısı hakkında önemli fikirler veren, farklı düğüm grupları arasındaki etkileşimleri temsil eden karmaşık bir ağ türüdür. Son zamanlarda, özellikle büyük ölçekli, karmaşık ağlarda bağlantı tahmini çalışmaları farklı bilim alanlarındaki araştırmacılar için ilgi odağı haline gelmiştir. Birçok gerçek dünya sistemi gibi akademik bilgi ağları da iki parçalı bir yapıya sahiptir. Akademik bilgi ağları sürekli değişen ve gelişen bir yapıdadır. Bu ağlarda, yazarlara kendi alanlarına uygun popüler konu başlıklarını tavsiye eden bir sistemin bulunması araştırmacıların işini kolaylaştıracaktır. Son zamanlarda, akademik konuların yazarlara önerilmesine yönelik yapılan birçok çalışma, problemi bağlantı tahmini olarak ele almıştır. Bu çalışmalardan sadece birkaçı, yüksek pratik ilgisine ve üstesinden geldiği belirli zorluklara rağmen iki parçalı ağları kullanmaktadır. İki parçalı ağlarda bağlantı tahmini alanında yapılan önceki çalışmaların çoğu, düğüm çiftleri arasındaki ilişkileri tahmin etmek için iki parçalı ağdan çıkartılan geleneksel tek parçalı ağların özelliklerini kullanmaya odaklanmıştır. Geleneksel projeksiyon yöntemleri, gerçek dünya verilerinden oluşturulan ağlarda kullanıldığında zayıf ilişkilere sahip birçok düğüm çifti içerebilir. Bu zayıf ve gereksiz bilgilerin analizi yüksek hesaplama zamanına neden olur. Bu problemlere bir çözüm olarak, bu çalışmada klasik tek parçalı yöntemlere dönüştürmek yerine ağın omurgası niteliğini taşıyan güçlendirilmiş tek parçalı ağ modeli önerilmiştir. Daha sonra, ağdaki potansiyel bağlantıları tahmin etmek için güçlendirilmiş tek parçalı ağ modeline dayalı benzerlik tabanlı bir tavsiye edici yöntem geliştirilmiştir. Son olarak, önerilen yöntemle elde edilen potansiyel bağlantıların kalitesini değerlendirmek amacıyla zamandan bağımsız ve zaman farkındalı olmak üzere iki yeni yakınlık ölçütü algoritması önerilmiştir. Önerilen yöntemler, IEEE Xplorer çevrimiçi kütüphanesinden toplanan verilerle oluşturduğumuz ağ üzerinden test edilmiştir. Gerçek bir ağ üzerinde yapılan deneyler, önerilen yöntemin başarısının umut verici olduğunu ve büyük ölçekli bir ağdan hızlı ve yüksek kaliteli bağlantı tahmini sonuçları elde etmenin mümkün olduğunu göstermektedir. Anahtar Kelimeler: İki Parçalı Ağlar, Karmaşık Ağ Analizi, Bağlantı Tahmini, Akademik Konu Önerisi, Güçlendirilmiş Tek Parçalı Ağ, Zaman-farkındalı Yakınlık Ölçütü
Aydınlanma bağımsız yüz tanıma için normalleştirme tekniklerinin karşılaştırılması
Yüz tanıma, güvenlik sektörünün önemli halkası bir halkası haline gelmiştir. Artık bankacılıkta kimlik onaylama, yüksek güvenlik gerektiren alanlara girişte, havaalanlarında ve bunlara benzer üst düzey güvenlik gerektiren daha birçok alanda kişilerin takibi, tespiti ve alarm oluşturma amaçlı kullanılan bir güvenlik önlemi olmuştur. Bu yüzden görüntü işlemede yüz tanıma problemi birçok kişi tarafından çok çalışılan bir alan haline gelmiştir. Bu alanda çalışan araştırmacıların uğraştığı konulardan birisi de aydınlanma problemi yani farklı ışık koşullarında veya farklı pozlanma durumlarında oluşan yüz tanıma zayıflığı problemidir. Bu tez çalışmasında tasarlanmış yüz tanıma sistemleri üzerinde çeşitli nedenlere bağlı olarak oluşan aydınlanma problemi çeşitli aydınlanma normalleştirme teknikleri kullanılarak aydınlanma kaynaklı yüz tanıma başarısızlığı ve zayıflığı giderilmesi amaçlanmıştır. PCA (Temel Bileşen Analizi) ile yüz tanıma kullanılarak farklı pozlanma açılarına ve farklı ışık koşullarında çekilmiş yüz imgelerinin yer aldığı yüz veritabanı üzerindeki başarı oranları hesaplanmıştır. Söz konusu başarı oranlarını elde etmek için de çeşitli aydınlanma tekniklerinin farklı parametreli filtreleme yöntemleri kullanılmıştır. Yüzün tespit edilmesinde Cascade Vision Detector algoritmasının farklı yöntemleri kullanılmıştır. Testlerin yapıldığı yüz veritabanı, sağdan aydınlanmış, merkezden aydınlanmış, soldan aydınlanmış, gözlüksüz, gözlüklü, normal, göz kırpmış yüz görüntüleri içermektedir. Yüz tanıma ön işleme tekniklerinden birisi olan yüz tespiti yapılarak, boyut olarak daha büyük olan görüntülerden yüzün yeri kırpılarak alınmıştır. Aydınlanma normalleştirmesinin test edilen yüz veri tabanlarında yüz tanıma başarı oranı yaklaşık olarak %55 artırdığı ortaya konulmuştur. Anahtar Kelimeler: Nesne Tanıma, Yüz Bulma, Yüz Tanıma, Aydınlanma Normalleştirme Teknikleri, Filtreler, Bilgi Güvenliği, Görüntü İşleme
Bilgisayar bilimlerindeki kaynakça verilerinin konularına göre sınıflandırılması ve görselleştirilmesi
Hızlı ve sürekli büyüyen topluluklar büyük veri kaynaklarını oluşturmaktadır. Toplulukların yapısını ve aralarındaki etkileşimleri incelemek, topluluklar hakkında sağlıklı bilgiler edinip gelişimini ve değişimini gözlemlemek amacıyla bu veri kaynaklarının çeşitli bilimsel yöntemlerle analizi gerekmektedir. Sosyal ağlar, toplulukları ve aralarındaki ilişkileri modellemek ve görselleştirmek için kullanılan önemli yapılardan biridir. Büyük ve karmaşık sistemleri sosyal ağlar şeklinde modelleyerek yapılarını daha anlaşılır hale getirmek, bağlantılarını ve değişimlerini analiz etmek mümkündür. Bununla beraber toplulukların yapısını daha anlaşılır kılmak, ağ yapısını ve dinamikliğini geliştirmek amacıyla bilgi çıkarımı yöntemleri de kullanılmaktadır. Bilgi çıkarımı yöntemleri kullanarak, değişik kaynaklardan elde edilen, henüz bilinmeyen bilgileri ve bağlantıları elde etmek mümkündür. Akademik topluluklar hızlı ve sürekli büyüyen topluluklara örnektir. Sosyal ağ yapıları ve bilgi çıkarımı yöntemleri akademik toplulukların analizinde sıkça kullanılan önemli yöntemlerdendir. Bu tez çalışmasında üç temel çalışma sunulmuştur. Birinci çalışma, farklı kaynaklardan elde edilen akademik topluluk verilerinin sadeleştirilmesi ve bütünleştirilmesidir. Bu amaçla DBLP, ACMCCS ve ASN akademik topluluk veri kaynakları kullanılmıştır. Elde edilen verilere bilgi çıkarımı yöntemleri uygulanmış ve ağ içeresindeki kayıp bağlantılar tespit edilerek oluşacak olan ağın yapısı iyileştirilmiştir. İkinci çalışma, akademik topluluk içerisindeki varlıkların ve aralarındaki ilişkilerin incelenmesidir. Bu amaçla topluluk ağ şeklinde modellenmiştir. Yazarlar, yayınlar ve diğer varlıkların oluşturduğu alt ağlar tespit edilmiştir. Ağın niteliklerine göre sınıflandırma işlemleri yapılmıştır. Son olarak, elde edilen sonuçların sorgulanabileceği, izlenebileceği ve raporlanabileceği çevrimiçi bir web uygulaması geliştirilmiştir.
Güncel akıllı optimizasyon algoritmalarıyla duygu sınıflandırılması
Sosyal ağlar, son yıllarda günlük yaşam tarzının önemli bir parçası haline gelmiştir ve gittikçe önem kazanmaktadır. Ağ analizi, bir sosyal sistemi incelemek için en iyi yolun sistem üyeleri arasındaki bağları incelemek olduğu varsayımıyla toplumsal yapıyı inceleyen bir yaklaşımdır. Günümüzde sağlık, eğitim, akademik gibi birçok alanda kullanılmaktadır. Sosyal ağların aktif bir şekilde kullanımı sosyal ağ analizi gereksinimi ortaya çıkarmıştır. En bilinen sosyal ağ analizi problemlerinden biri olan duygu analizi – fikir madenciliği insanların, ürünler, hizmetler, kuruluşlar, bireyler, konular, etkinlikler, başlıklar ve nitelikleri gibi varlıklara yönelik fikirlerini, duygularını, değerlendirmelerini, derecelendirmelerini, tutumlarını ve hislerini analiz eden çalışma alanıdır. Bu tez çalışmasında duygu analizi ilk defa bir optimizasyon problemi olarak ele alınmıştır. Duygu analizi problemi için, güncel akıllı optimizasyon algoritmalarından Balina Optimizasyonu Algoritması ve Sosyal Etki Teorisi tabanlı Optimizasyon Algoritması uyarlanmıştır. Daha verimli sonuçlar alabilmek için Sosyal Etki Teorisi tabanlı Optimizasyon Algoritmasına hafıza özelliği eklenilmiştir. Çalışmada IMDB, Polarity ve Amazon olmak üzere üç adet veri seti kullanılmıştır. Sonuçların performanslarını değerlendirmek için literatürde en çok bilinen değerlendirme ölçütleri olan doğruluk yüzdesi, kesinlik, hassasiyet, F-Ölçütü ve MCC kullanılmıştır. Elde edilen sonuçlar otuz üç tane denetimli öğrenme algoritmalarıyla karşılaştırılmıştır. Sonuçlar incelendiğinde, metasezgisel optimizasyon algoritmalarının duygu analizinde başarılı sonuçlar verdiği görülmüştür.