Biyoakustik ses verileri üzerinde çeşitli sınıflandırıcı algoritmalarının temel bileşen analizi kullanılarak performans karşılaştırması

Basit Öğe Kaydı
dc.authorid0000-0001-8204-846Xen_US
dc.contributor.authorOnal, Merve Kesim
dc.contributor.authorAvcı, Engin
dc.contributor.authorTürkoğlu, İbrahim
dc.date.accessioned2021-06-11T16:42:38Z
dc.date.available2021-06-11T16:42:38Z
dc.date.issued2019en_US
dc.departmentMTÖ Üniversitesi, Hekimhan Meslek Yüksekokulu, Madencilik ve Maden Çıkarma Bölümüen_US
dc.description.abstractDoğal ortamlarda alınan seslerin tanınması laboratuvar ortamında alınan veya yapay olarak oluşturulan seslerin tanınmasından daha zordur. Özellikle benzer canlıların çıkardıkları sesler tanınmayı zorlaştıran bir etkendir. Bu çalışmada doğal ortamlardan alınmış farklı aile, cins ve türdeki anuran seslerinin tanınmaları için makine öğrenmesi tekniklerinin karşılaştırılmaları yapılmıştır. Veri seti olarak UCI veri tabanındaki “Anuran Calls (MFCCs)” kullanılmıştır. Bu veri seti doğal ortamlardan alınan anuran seslerinin Mel Frekans Kepstral Katsayılarını içermektedir. Veri seti üzerinde Makine Öğrenmesi algoritmalarından Lojistik Regresyon, Destek Vektör Makineleri ve Karar ağaçları sınıflandırıcılarınn performansları karşılaştırılmıştır. Ayrıca Temel Bileşen Analizi ile veri setinde boyut indirgemesi yapılmış ve sınıflandırıcı performanslarının değişimleri karşılaştırılmıştır.en_US
dc.description.abstractRecognition of the sounds recorded in natural environments is more difficult than recognition of the sounds recorded in the laboratory or artificially generated. Especially the sounds taken from similar individuals is a factor that make the recognition difficult. In this study, machine learning techniques were compared in order to recognize different family, genus and species of anuran sounds recorded in natural environments. The data set named “Anuran Calls (MFCCs)” from the UCI database was used. This data set includes Mel Frequency Cepstral Coefficients of anuran sounds taken from natural environments. On this the data set, the performances of Logistic Regression, Support Vector Machines and Decision tree classifiers were compared. In addition, with Principal Component Analysis, dimension reduction was made in the data set and the changes in classifier performances were compared.en_US
dc.identifier.citationOnal, M. K., Avcı, E., & Türkoğlu, i., (2019) Biyoakustik ses verileri üzerinde çeşitli sınıflandırıcı algoritmalarının temel bileşen analizi kullanılarak performans karşılaştırması. 2019 International Artificial Intelligence and Data Processing Symposium (IDAP), 1-6.en_US
dc.identifier.doi10.1109/IDAP.2019.8875968
dc.identifier.endpage6en_US
dc.identifier.isbn978-172812932-7en_US
dc.identifier.scopus2-s2.0-85074889033en_US
dc.identifier.startpage1en_US
dc.identifier.urihttps://doi.org/10.1109/IDAP.2019.8875968
dc.identifier.urihttps://hdl.handle.net/20.500.12899/220
dc.indekslendigikaynakWeb of Scienceen_US
dc.institutionauthorOnal, Merve Kesim
dc.language.isotren_US
dc.publisherIEEE (Institute of Electrical and Electronics Engineers)en_US
dc.relation.ispartof2019 International Artificial Intelligence and Data Processing Symposium (IDAP) 2019, Malatya, 21 - 22 September 2019en_US
dc.relation.publicationcategoryKonferans Öğesi - Uluslararası - Kurum Öğretim Elemanıen_US
dc.rightsinfo:eu-repo/semantics/closedAccessen_US
dc.subjectMel Frekans Kepstral Katsayılarıen_US
dc.subjectMakine öğrenmesien_US
dc.subjectBiyoakustik sesen_US
dc.subjectLojistik regresyonen_US
dc.subjectDestek vektör makinelerien_US
dc.subjectKarar ağaçlarıen_US
dc.subjectMel frequency cepstral coefficientsen_US
dc.subjectMachine learningen_US
dc.subjectBioacoustic signalen_US
dc.subjectLogistic regressionen_US
dc.subjectSupport vector machineen_US
dc.subjectDecision treesen_US
dc.titleBiyoakustik ses verileri üzerinde çeşitli sınıflandırıcı algoritmalarının temel bileşen analizi kullanılarak performans karşılaştırmasıen_US
dc.title.alternativePerformance comparison of various classifier algorithms on bioacoustic sound data using principal component analysisen_US
dc.typeConference Objecten_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
Merve KESİM ÖNAL-Konferans Öğesi.pdf
Boyut:
3.35 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Tam Metin / Full Text
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Yayın Koleksiyonu
Scopus İndeksli Yayınlar Koleksiyonu
WoS İndeksli Yayınlar Koleksiyonu