2026-10-30T04:34:37Zhttps://munzur-rdlopen.rawdatalibrary.net/oai/request

oai:munzur-rdlopen.rawdatalibrary.net:munzur/53572026-10-28T15:31:56Zopenairedrivercom_munzur_1col_munzur_2

2D-DOST Özellik Çıkarımı Yöntemi ve LS-SVM Sınıflandırıcı Tabanlı Doku Sınıflandırma SistemiBaloglu, Ulas BaranYıldırım, ÖzalMikroskopiMühendislik, BiyotıpBilgisayar Bilimleri, Yazılım MühendisliğiBu çalışmada, doku görüntülerinin sınıflandırılması için 2D-DOST (İki Boyutlu Ayrık Orthonormal Stockwell Dönüşümü) ve LS-SVM (En Küçük Kareler Destek Vektör Makineleri) tabanlı yeni bir sınıflandırıcı sistemi önerilmiştir. Önerilen sistem, özellik çıkarımı ve sınıflandırma olmak üzere iki ana bölümden oluşmaktadır. Özellik çıkarımı aşamasında, görüntüleri temsil eden ait ayırt edici özellik vektörleri 2D-DOST tabanlı özellik çıkarım yöntemi ile elde edilmektedir. Sınıflandırma aşamasında ise yüksek başarım oranı ve doğruluğa sahip olan LS-SVM sınıflandırıcısı ile doku görüntüleri sınıflandırılmaktadır. LS-SVM’nin eğitimi her bir doku görüntüsüne ait ayırt edici özellik vektörleri üzerinde gerçekleştirilmiştir. Test verisi olarak hazırlanan doku görüntüleri eğitilmiş LS-SVM sınıflandırıcının girişine uygulanmıştır. Önerilen yöntemin performans testleri için alt-görüntüler ile elde edilen farklı veri setleri üzerinde gerçekleştirilmiştir. Bu veri setleri hem normal doku görüntülerini hem de gürültülü doku görüntülerini içermektedir. Veri setleri içerisindeki alt görüntüler Brodatz ve Kylberg doku veri tabanlarından türetilmiştir. Gürültülü verilerin oluşturulmasında, farklı seviyelerde Gaussian ve Tuz&Biber gürültüsü kullanılmıştır. Çalışma sonuçları, önerilen 2D-DOST ve LS-SVM tabanlı sınıflandırıcının doku görüntülerini yüksek başarım oranı ile sınıflandırabildiğini ve gürültüye karşı gürbüz olduğunu göstermektedir.2017Articlehttps://rdlopen.rawdatalibrary.net/r/munzur/5357https://doi.org/10.19113/sdufbed.783131300-7688enSüleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisiinfo:eu-repo/semantics/openAccessinfo:eu-repo/semantics/articlehttps://munzur-rdlopen.rawdatalibrary.net/tr/items/munzur/5357