Gri ilişkisel analiz tabanlı yeni bir LVQ yöntemi: Odun türü sınıflandırma üzerine bir uygulama

Abstract

Bu tez çalışması oldukça güçlü tahmin yeteneğine sahip olan yapay sinir ağları ile sınıflandırma modelleri geliştirilmesine odaklanmıştır. Çalışmada yapay sinir ağı tekniklerinden olan ve sınıflandırma uygulamalarında kullanılan Öğrenen Vektör Niceleme (LVQ) ile birlikte yeni bir sınıflandırıcı olan Gri LVQ kullanılmıştır. Odun türü belirleme üzerine bir uygulama yapılarak LVQ yöntemlerinin sınıflandırma performansları ve Çok Katmanlı Algılayıcı (ÇKA) sınıflandırma performansı kıyaslanmıştır. LVQ sınıflandırma algoritmasında örnek vektör ile referans vektörler arasındaki benzerlikler referans vektörlerin ayrı ayrı değerlendirilmesiyle belirlenir. Gri LVQ algoritmasında ise Gri İlişkisel Analiz yoluyla bütün referans vektörlerinin birlikte değerlendirildiği bir sınıflandırma gerçekleşir. Bu çalışma ile LVQ, Gri LVQ ve ÇKA yöntemleriyle odun anatomisine ait biyometrik özellikleri girdi olarak kullanıp Akçaağaç (Acer L.) cinsine ait 4 farklı türün ayrımını yapan sınıflandırıcı modeller geliştirilmiştir. Literatürde fazla çalışılmamış olan, anatomik özelliklerin biyometrik ölçümleri kullanılarak odun türünün belirlendiği çalışmalara yeni bir yaklaşım sunan LVQ ve Gri LVQ yöntemleriyle elde edilen sınıflandırma başarıları ÇKA sınıflandırıcıyla benzer olmuştur. Her üç yöntem de 24 örnekten oluşan veri kümesinde %95,83 sınıflandırma doğruluğuna ulaşılmıştır.