Bulanık kümelemeli yapay sinir ağları ile biyometrik tanıma

Abstract

Bu çalışmada Bulanık Kümelemeli Yapay Sinir Ağlarının (BKYSA) iki boyutlu bir örüntü tanıma problemi üzerine uygulanışı gerçekleştirilmiştir. Yapılan çalışma birçok biyometrik üzerine uygulanabilir şekilde geliştirilmiştir. Bu çalışma için biyometriklerden biri olan iris seçilmiş ve iris tanıma üzerine çalışma yapılmıştır.Öz nitelik vektörü elde edilirken Ayrık Dalgacık Dönüşümü (DWT) ve Ayrık Kosinüs Dönüşümü (DCT) yöntemlerinden yaralanılmıştır. Bulanık kümeleme (BK) algoritmalarından bir tanesi olan Bulanık C Ortalamalar (BCO) ile öznitelik vektörü üzerinde kümeleme yapılmış ve Yapay Sinir Ağları (YSA) ile de sınıflandırma gerçekleştirilmiştir.Çalışma yapılırken öncelikli olarak klasik YSA ile sınıflandırma gerçekleştirilmiştir. Bir sonraki adımda ise BKYSA kullanılarak sınıflandırma gerçekleştirilmiştir. İki yöntemle de yapılan sınıflandırmaların test sonuçları karşılaştırılmıştır. BKYSA ile çalışıldığında veri boyutunda çok büyük oranlarda azalma olmuş, verilerin kalitesi artmış ayrıca sonuçların doğruluğu ve bir birlerine olan yakınlığı artmış ve eğitim süreleri büyük oranlarda kısalma olmuştur.Anahtar Kelimeler: YSA, BK, BCO, DCT, DWT, biyometrik sistemler, iris tanıma, görüntü işleme.

In this thesis we applied Fuzzy Clustering Neural Networks to the 2D pattern recognition problem. The methodology is developed in this thesis can be applied to lots of biometrics. For this research Iris is chosen as a biometric and iris recognation is studied.Discrete Wavelet Transform (DWT) and Discrete Cosine Transform (DCT) are used for feature extraction. Feature Vectors are clustered using one of the Fuzzy Clustering algorithms which is Fuzzy C Means (FCM) and this clusters are classified with Artificial Neural Networks.First of all clusters are classified with classical Artificial Neural Networks. At the next step, clusters are classified with Fuzzy Clustering Neural Networks. Test results from both methods are compared. When working with Fuzzy Clustering Neural Networks the amount of data size decreased, quality of data increased, accuracy and precision of the results increased and also training time decreased.Key Words: Artificial Neural Networks, Fuzzy Clustering Neural Networks, FCM, DCT, DWT, Biometric Systems, Iris Recognition, Image Processing.