Temel bileşenler analizi ve kanonik korelasyon analizi ile imge tanıma ve sınıflandırma
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Bu çalışmada temel bileşenler ve kanonik korelasyon analizlerinin imge tanıma ve sınıflandırma problemlerindeki rolü incelenmiştir. Temel bileşenler analizi yüz tanıma problemlerinde yaygın olarak kullanılan bir öznitelik seçimi ve boyut indirgeme yöntemidir. Bu çalışmada, kanonik bileşenler analizinin de imge tanıma ve sınıflandırma problemleri için etkin bir öznitelik belirleme ve boyut indirgeme yöntemi olarak kullanılabileceği gösterilmiş ve temel bileşenler analizi ile kıyaslamaları yapılmıştır. Çalışmada, çok sınıflı imge sınıflandırma problemlerine yönelik olarak, çoklu kanonik bileşenler analizinin bir öznitelik belirleme ve indirgeme paradigması olarak kullanılabileceği gösterilmiştir. Önerilen yaklaşım çeşitli imge sınıflandırma problemlerine uygulanmış ve sonuçlar karşılaştırmalı olarak analize tabi tutulmuştur. Çalışılan örnek problemler üzerinden, kanonik korelasyon analizinin imge tanıma ve sınıflandırma problemlerinde, temel bileşeler analizine kıyasla daha etkin bir boyut indirgeme yöntemi olduğu görülmüştür. Kanonik bileşenler analizi ile öznitelikleri belirlenmiş ve boyut indirgemesi yapılmış imgeler üzerinden farklı sınıflandırma yöntemleri karşılaştırmalı olarak çalışılmıştır. Yapılan çalışmalarda, doğrusal ayırma analizi ve en-yakın-komşu gibi temel sınıflandırma algoritmalarının kanonik bileşenler analizi ile uyumlu olarak kullanılabileceği ve doğrusal-olmayan sınıflandırma yöntemlerine başvurmadan, daha yüksek tanıma başarımları elde edilebileceği gözlenmiştir. This work investigates the role of canonical correlations analysis in image recognition and classification problems with comparison to principal components analysis. Principal components analysis is a well-known and widely used feature selection and reduction method for face recognition problems. In this thesis, canonical correlation analysis is proposed as an alternative feature selection and reduction method for generic image recognition and classification problems. This new method is studied via various image recognition and classification problems in comparison with principal components. Multiple canonical correlation analysis is proposed as a new feature selection and dimension reduction algorithm for image classification problems involving multiple classes. By studying various image recognition and classification problems, it is shown that canonical correlation analysis is a more efficient methodology for feature reduction in comparison to principal components analysis. Canonical correlation analysis is studied together with various classification algorithms. Comparative studies show that higher classification/recognition performance of canonical correlation analysis can be achieved with basic classification algorithms like linear discriminant analysis or nearest-neighbor methods without resorting to nonlinear classification methodologies.
Collections