El yazısı rakam tanıma için destek vektör makinelerinin ve yapay sinir ağlarının karşılaştırması

Abstract

El yazısı rakam tanıma (Handwritten Digit Recognition HDR) ve optik karakter tanıma (Optical Character Recognition) alanları makina ögrenmesi ve sınıflandırma araştırmalarında kendisine sürekli yer bulmuştur. El yazısı rakam tanıma için ön işlemler, özellik çıkarımı, öğrenme/sınıflandırma ve bazı standart veritabanları için çeşitli yaklaşımlar önerilmiştir. Bu yöntemler arasında Yapay Sinir Ağları (Artificial Neural Network) yaygın olarak tek başına veya melez(hybrid) yapılarda yer alarak kullanılmaktadır. Buna karşın yakın zamanda ortaya atılan Destek Vektör Makineleri (Support Vector Machine ) yöntemi el yazısı ile yazılmış rakam tanımlama işleminde başarılı bir sınıflandırma yöntemi olarak karşımıza çıkar.Destek Vektör Makineleri (DVM) yönteminin kullanımı, günümüzde sınıflandırma problemlerinin çözümünde ve özellik çıkarımı işlemlerinde yaygınlaşmaktadır. Bu yöntem, doğrusal olmayan veriler üzerindeki işlemlerde yüksek bir doğruluk payı ile sınıflandırma yapabilmektedir. DVM , Yapay Sinir Ağına (Artificial Neural Network ANN) göre daha yavaş bir öğrenme ve sınıflandırma süreçine sahip olmasına karşın YSA'nın kullanıldığı alanlarda bu tekniğe bir alternatif olmaktadır. Günümüzde el yazısı tanıma ve el yazısı rakam tanıma alanlarında çoğunlukla Yapay Sinir Ağı ve Saklı Markov Modeli hibrid uygulamalar kullanılmaktadır. Bu tezin amacı, el yazısı rakam tanımlama için DVM ve YSA yöntemlerinin uygulanması, bu yöntemlerin belirlenen bazı kriterlere göre karşılaştırılması ve el yazısı rakam tanıma işlemlerinde DVM'nin diğer yöntemlere alternatif olarak kullanılabileceğinin gösterilmesidir.

The field of Handwritten Digit Recognition and Optical Character Recognition have always found a place in researches dealing with machine learning and classification. Pre-processes, feature extraction and learning/classification are some proposed methods for handwritten digit recognition, and some other various approaches are also presented in certain databases. Within these approaches Artificial Neural Network takes place either extensively or as a hybrid method whereas Support Vector Machine method that has been put forth recently, comes across as a successful method in handwritten digit recognition operations.Nowadays, the use of Support Vector Machines for solving classification problems and feature extraction operations has become a widespread method. This method can classify non-linear data with a high percentage of accuracy. Although Support Vector Machines have a slower learning and classification process when compared with Artificial Neural Networks, they show up as an alternative method in areas where Artificial Neural Network is being used. Today mostly hybrid applications that combine Artificial Neural Networks and Hidden Markov Models are widely being used in handwriting and handwritten digit recognition. The aim of this thesis is to compare Support Vector Machines with Artificial Neural Network in handwritten digit recognition, and to present that it is possible to use Support Vector Machines as an alternative method in handwritten digit recognition processes.