Bu öğeden alıntı yapmak, öğeye bağlanmak için bu tanımlayıcıyı kullanınız:
http://acikerisim.ktu.edu.tr/jspui/handle/123456789/3410
Tüm üstveri kaydı
Dublin Core Alanı | Değer | Dil |
---|---|---|
dc.contributor.author | Aydoğdu, Özge | - |
dc.date.accessioned | 2022-05-10T07:16:15Z | - |
dc.date.available | 2022-05-10T07:16:15Z | - |
dc.date.issued | 2021-06 | - |
dc.identifier.uri | http://acikerisim.ktu.edu.tr/jspui/handle/123456789/3410 | - |
dc.description.abstract | Tez çalışması kapsamında, son yılların popüler veri türü olan akan verilerin tüm karakteristik özelliklerini ve kısıtlamalarını göz önüne alan yeni artımlı öğrenme yaklaşımları önerilmektedir. Tezin literatüre ilk katkısı akan veriler için Ayrık Kosinüs Dönüşümü ve Sürü Zekasına dayalı otomatik öznitelik çıkartma ve seçme yaklaşımının sunulmasıdır. Bu yaklaşımdan elde edilen sonuçlar ışığında akan veriler için Çevrim içi Ardışıl – Aşırı Öğrenme Makinelerine ve Otokodlayıcılara dayalı bir öğrenme yaklaşımının geliştirilmesi tezin ikinci katkısıdır. Bir diğer katkısı, geliştirilen öğrenme yaklaşımının akan verilerin en büyük problemi olan içerik farklılaşmasına dayanıklı olacak şekilde geliştirilmesidir. Önerilen yaklaşımlar gerçek dünya problemlerinden biri olan gözetleme videosu anomali tespitine uygulanarak ve bu alan için de yeni yaklaşımlar sunulmaktadır. Video anomali tespiti uygulamasında ise gerçekleştirilen yaklaşım zayıf etiketleme ve önerilen akan veri öğrenme yaklaşımına dayalı bir anomali tespiti ve anormal olay türünün akan veri metodolojisi ile çözülmesidir ve bu tezin dördüncü katkısını oluşturmaktadır. Tezin beşinci katkısı olarak önerilen yaklaşımın performans artışı açısından otomatik öznitelik çıkartma ve seçme yaklaşımı ile birleştirilerek sunulmasıdır. Son olarak video anomali tespiti için videoların etiket değerlerine minimum şekilde ihtiyaç duyan aktif öğrenmeye dayalı akan veri öğrenme yaklaşımı gerçekleştirilmiştir. Geliştirilen tüm yaklaşımlar gerçek, sentetik akan veri ve video veri setleri üzerinde literatürdeki popüler yaklaşımlar ile karşılaştırmalı olarak test edilmiş ve elde edilen yüksek başarı ile analizi umut verici sonuçlara ulaşılmıştır. | tr_TR |
dc.language.iso | tr | tr_TR |
dc.publisher | Karadeniz Teknik Üniversitesi / Fen Bilimleri Enstitüsü | tr_TR |
dc.subject | : Akan veri, Artımlı öğrenme, İçerik farklılaşması, Ayrık kosinüs dönüşümü, Sürü zekâsı, Aşırı öğrenme makineleri, otokodlayıcı, Aktif öğrenme, Video anomali tespiti. | tr_TR |
dc.subject | Data stream, Incremental learning, Concept drift, Discrete Cosine Transform, Swarm intelligence, Extreme learning machine, Autoencoder, Active learning, Video anomaly detection. | tr_TR |
dc.title | Akan veride artımlı öğrenme yaklaşımları geliştirilmesi ile video verilerinde anomali tespiti çalışması | tr_TR |
dc.title.alternative | The work of the incremental learning approaches development in data stream with anomaly detection in video data | tr_TR |
dc.type | Thesis | tr_TR |
Koleksiyonlarda Görünür: | Bilgisayar Mühendisliği |
Bu öğenin dosyaları:
Dosya | Açıklama | Boyut | Biçim | |
---|---|---|---|---|
684536.pdf | 6.97 MB | Adobe PDF | Göster/Aç |
DSpace'deki bütün öğeler, aksi belirtilmedikçe, tüm hakları saklı tutulmak şartıyla telif hakkı ile korunmaktadır.