Siyah çayın makine öğrenimi ile sınıflandırılması

Basit Öğe Kaydı
dc.authorid0000-0001-8315-3798en_US
dc.contributor.advisorEsin, Emin Murat
dc.contributor.authorKazdal, Sultan Aziz
dc.date.accessioned2024-07-12T22:31:55Z
dc.date.available2024-07-12T22:31:55Z
dc.date.issued2020en_US
dc.date.submitted2020-08en_US
dc.departmentEnstitüler, Lisansüstü Eğitim Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalıen_US
dc.description.abstractBu çalışma iki farklı kalitede olan siyah çayın sınıflandırılması için makine öğrenimi kullanılmıştır. SVM , Naive-Bayes gibi algoritmaların yanında görüntü sınıflandırma çokça kullanılan evrişimsel sinir ağı (CNN) ile de sınıflandırma çalışmaları yapılmıştır. SVM, Naive-Bayes sınıflandırıcılarına görüntülerin RGB,HSV, YCrCb renk uzaylarından elde edilen özniteliklerden oluşan veri setleri ile sınıflandırma çalışması yapılmıştır. SVM algoritması iki farklı kalitedeki siyah çayın YCrCb renk uzayından elde edilen öznitelikler ile testinde %99 gibi yüksek bir oranda doğruluk ortaya koymuştur. Bunun yanı sıra evrişimsel sinir ağı (CNN) herhangi bir yapısı gereği görseller üzerinde herhangi bir öznitelik çıkarımı sürecine ihtiyaç duymadan eğitim görsellerinde %98.52 ve doğrulama için kullanılan görseller için ise %98.56 oranında doğrulukla sınıflandırma yapmıştır. Elde edilen veriler dikkate alınarak farklı nesneleri de sınıflandırabilecek bir evrişimsel sinir ağının siyah çay görselleriyle de eğitilmesi sonucunda etkin bir sistem ortaya konulabileceği düşünülmektedir.en_US
dc.description.abstractThis study used machine learning to classify black tea of two different qualities. In addition to algorithms such as SVM and Naive-Bayes, classification studies have been carried out with convolutional neural network (CNN), which is widely used in image classification. Classification studies were carried out with data sets consisting of features obtained from RGB, HSV, YCrCb color spaces of the images to SVM, Naive-Bayes classifiers. SVM algorithm has demonstrated a high accuracy of 99% in the testing of two different qualities of black tea with features obtained from YCrCb color space. In addition, the convolutional neural network (CNN) classified the visuals with 98.52% accuracy and 98.56% accuracy for the visuals used for verification, without the need for any feature extraction process on the visuals due to any structure. Considering the obtained data, it is thought that an effective system can be created by training a convolutional neural network that can classify different objects with black tea images.en_US
dc.identifier.citationKazdal, S. A. (2020). Siyah çayın makine öğrenimi ile sınıflandırılması / Classification of black tea by machine learning. (Yayımlanmamış Yüksek Lisans Tezi). Maltepe Üniversitesi, Lisansüstü Eğitim Enstitüsü, İstanbul.en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12415/11888
dc.institutionauthorKazdal, Sultan Azizen_US
dc.language.isotren_US
dc.publisherMaltepe Üniversitesi, Lisansüstü Eğitim Enstitüsüen_US
dc.relation.publicationcategoryTezen_US
dc.rightsCC0 1.0 Universal*
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.rights.urihttp://creativecommons.org/publicdomain/zero/1.0/*
dc.snmzKT1926en_US
dc.subjectSiyah çay sınıflandırmaen_US
dc.subjectSVMen_US
dc.subjectNaive-bayesen_US
dc.subjectEvrişimsel sinir ağıen_US
dc.subjectBlack tea classificationen_US
dc.subjectSVMen_US
dc.subjectNaive-bayesen_US
dc.subjectConvolutional neural networken_US
dc.titleSiyah çayın makine öğrenimi ile sınıflandırılmasıen_US
dc.title.alternativeClassification of black tea by machine learningen_US
dc.typeMaster Thesisen_US
dspace.entity.typePublication

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
Sultan_Aziz_Kazdal_191402106.pdf
Boyut:
2.07 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Tam Metin / Full Text
İndir

Koleksiyon

Lisansüstü Eğitim Enstitüsü Tez Koleksiyonu