Karma yapılı ikili karar ağacı tabanlı koku tanıma sistemi

Abstract

Çalışma kapsamında elektronik burun ile koku tanıma sistemlerinin sorunları irdelenmekte ve bu sorunlara çözüm getirecek şekilde yeni hibrit yöntemler önerilmektedir. Tezde 4 farklı veri tabanı kullanılmaktadır. Bunlardan biri hazır veri tabanı iken, diğerleri tez kapsamında oluşturulan elektronik burundan elde edilen veri tabanlarıdır. Bu 4 veri tabanı sırasıyla n-butanol gazının farklı konsantrasyon değerlerinden, 11 birbirinden farklı kokudan, istavrit balığının farklı günlerine ait kokularından ve 3 farklı balık (istavrit, hamsi ve mezgit) kokularından oluşmaktadır. Elektronik burunda kullanılan sensörlerin en büyük problemi olan sensör kaymalarına çözüm önerilmektedir. Önerilen yöntem, uygulanan örnek kokular için elde edilen sensör işaretlerinden, ortam kokusu için elde edilen sensör işaretini çıkartarak elde edilen fark işaretini örüntü tanıma birimine uygulamaktır. Literatürden farklı olarak yapılan bu işaret ön işleme; sensör kaymalarını 3 veri tabanı için de azaltmaktadır. Buna ilaveten farklı öznitelik çıkarma yöntemleri kıyaslanmaktadır. Sensör verisi için sınıflandırma performansını en fazla arttıran yöntem alt örnekleme yöntemi olarak belirlenmiştir. Sınıflandırma birimi için ise öznitelik seçme işlemini yapısında bulunduran, literatürden farklı olan ikili karar ağacı tabanlı bir yöntem önerilmiştir. İkili karar ağacı tabanlı yöntem problemi parçalara ayırmaktadır. Her bir parçanın sınıflandırmasında o veriyi en iyi sınıflandıracak öznitelikler çıkartılan öznitelikler arasından ve en iyi sınıflandırma yöntemi Destek Vektör Makinaları, k-En Yakın Komşuluk, Doğrusal Ayırma Analiz ve Bayes sınıflandırma yöntemleri arasından seçilmektedir. Önerilen yöntem tüm veri tabanlarına uygulandığında sınıflandırma performansını arttırmaktadır. Anahtar Kelimeler: Elektronik burun işaret analizi, Öznitelik çıkarma, Öznitelik seçme, Sınıflandırma, k-EYK, DAA, DVM, Bayes Sınıflandırma, İkili karar ağacı yapısı. In the context of the study, the electronic nose and the problems that exist in the odor recognition systems are studied and solutions to those problems with novel hybrid methods are proposed. In this thesis, four different databases are used. While one of them is a database from literature, the other three databases are produced by the electronic nose which is built during the thesis. These four databases consist of, different concentration values of n-butanes, 11 different odors, odors of horse mackerel in different days and three different fish (horse mackerel, anchovy and whiting) odors, respectively. A solution to the sensor drift which is the main problem in electronic nose is proposed. The proposed method is to apply the difference signal which is obtained by subtracting the sensor signal of the atmospheric (environment) odor from the sensor signals which are obtained by the applied sample odors. This preprocessing which is different from the literature is decreasing the sensor aliasing for all three databases. In addition, different feature extraction methods are compared. For the sensor data, the sub-sampling method is found to be the method which gets maximum classification performance. For the classification, apart from the literature, a new method which is based on the binary decision tree is proposed. This binary decision tree divides the problem into pieces. In the classification of every piece, the best features are chosen from the extracted features and the best classification method is chosen from the applied Support Vector Machines, k-Nearest Distance, Linear Discriminant Analysis and Bayesian classification methods. The proposed method increases the classification performance when applied to all databases. Key Words: Signal processing for electronic nose, Feature extraction, Feature selection, Classification, k-NN, LDA, SVM, Bayes classifier, Binary decision tree structure.