Farklı kokuların yapay sinir ağları ve bulanık mantık yöntemleriyle sınıflandırılması

Abstract

Bu tez çalışması kapsamında, endüstriyel, askeri, çevresel ve tıbbi uygulamalarda yaygın bir şekilde kullanılan Elektronik Burun cihazının, örüntü tanıma bölümünde Yapay Sinir Ağları (YSA) ve Bulanık Mantık Yöntemleri (BMY) kullanılarak nane, limon, yumurta, çürük yumurta, melek otu kökü, oje, naftalin, gül suyu ve aseton kokuları sınıflandırılmaya çalışılmıştır. Çalışmada Karadeniz Teknik Üniversitesi, Elektrik Elektronik Mühendisliği Bölümünde üretilmiş bir Elektronik Burun Cihazı kullanılarak elde edilen verilerin sınıflandırılması için aynı verilerin sınıflandırılmasında önceden kullanılmamış olan BMY ile birlikte daha önce YSA ile elde edilen doğruluk değeri bu yöntemde bazı değişiklikler yapılarak yükseltilmeye çalışılmıştır. Çalışma kapsamında farklı mimari yapılara sahip YSA, gizli katman ve çıktı katmanında farklı aktivasyon fonksiyonları kullanılarak sınıflandırma başarısının değişimi incelenmiştir. Çalışma kapsamında YSA' nın yanı sıra BMY de kullanılmış ve kullanılan farklı üyelik fonksiyonlarıyla birlikte yöntemin sınıflandırma doğruluğuna etkisi incelenmiştir. Verilerin sınıflandırma başarısının belirlenmesi için Elektronik Burun Cihazının örüntü tanıma bölümünde 5 kat çapraz doğrulama yöntemi kullanılmış ve son olarak bu iki yöntemin incelemesi yapılarak sonuçlar belirlenmiştir. In this thesis, it is tried to classify smells of mint, lemon, egg, rotten egg, angelica root, nail polish, naphthalene, rose water, and acetone, with electronic nose which is commonly used in industrial, military, environmental and medical applications. Artificial Neural Networks and Fuzzy Logic methods are used in pattern recognition part. Electronic nose which has been used in this work is designed in Department of Electrical and Electronics Engineering, Karadeniz Technical University. In this work, it is tried to increase accuracy rates of classification of data obtained from the electronic nose by using Fuzzy Logic methods which have not been used before, and by using Artificial Neural Networks which have been used before. In the study the change of classification performance is investigated by using various activation functions and architectures in Artificial Neural Network's hidden and output layers. In addition to Artificial Neural Networks, Fuzzy logic methods are used in this study, and effects of membership functions to classification accuracy is investigated. In order to determine classification performance, 5-fold cross validation method is used in pattern recognition part of electronic nose. Consequently the performance of these two methods is analysed and results are given.