Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Çoklu Algılayıcılı Sistemlerde Örüntü TanımaKOM610237.5300
ÖnkoşullarYok
YarıyılGüz, Bahar
Dersin Diliİngilizce, Türkçe
Dersin SeviyesiDoktora
Dersin TürüSeçmeli @ Kont. ve Otom. Müh. ABD Kontrol ve Otomasyon Mühendisliği Doktora Programı
Seçmeli @ Aviyonik Mühendisliği Tezli Yüksek Lisans Programı
Seçmeli @ Kont. ve Otom. Müh. ABD Kontrol ve Otomasyon Mühendisliği Yüksek Lisans Programı
Ders KategorisiUzmanlık/Alan Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik BirimKontrol ve Otomasyon Mühendisliği Bölümü
Dersin KoordinatörüŞeref Naci Engin
Dersi Veren(ler)Ufuk Sakarya
Asistan(lar)ı
Dersin AmacıBu dersin amacı örüntü tanıma ilke ve teknikleri hakkındaki temel bilgileri öğretmektir.
Dersin İçeriğiÖrüntü, öznitelik, sınıflandırma ve topaklama kavramlarına giriş, Örüntü tanımadaki öznitelik çıkarma ve seçme kavramları, Öğreticili, öğreticisiz ve yarı öğreticili yöntemler ışığında boyut indirgeme teknikleri, Sınıflandırma teknikleri, Bayes Karar Sınıflandırıcısı, K en yakın komşu sınıflandırıcısı (KNN), Destekçi Vektör Makinaları (SVM), Saklı Markov Modelleri (HMM) gibi, Topaklama teknikleri, K ortalamalar ve çizge temelli düzgelenmiş kesimler.
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
  • H.O. Duda, P.E. Hart, D.G. Stork, Pattern Classification, 2nd ed. A Wiley-Interscience Publication, John Wiley & Sons, Inc., 2001.
  • S. Theodoridis, K. Koutroumbas, “Pattern Recognition”, 4th Edition, Academic Press, 2008.
  • U. Sakarya, “Semi-supervised Dimension Reduction Approaches Integrating Global and Local Pattern Information”, Signal, Image and Video Processing, vol. 13, no. 1, pp. 171-178, 2019, (DOI: 10.1007/s11760-018-1342-5).
  • U. Sakarya, “Dimension Reduction Using Global and Local Pattern Information Based Maximum Margin Criterion”, Signal, Image and Video Processing, vol. 10, no. 5, pp. 903-909, July 2016. (doi: 10.1007/s11760-015-0838-5)
  • Cortes, C. and Vapnik, V. 1995. Support Vector Network. Machine learning, 20, 273-297.
  • Melgani, F. and Bruzzone, L., 2004. Classification of hyperspectral remote sensing images with support vector machines. IEEE Transactions on Geoscience and Remote Sensing, Aug, 42(8), pp. 1778-1790.
  • U. Sakarya, “Videolarda İçerik Dizinleme Amaçlı Çizge Kuramsal Sahne Sezme”, Doktora Tezi, Ankara Üniversitesi, Fen Bilimleri Enstitüsü, Elektronik Mühendisliği Anabilim Dalı, 2009.
  • Shi, J. and Malik, J. 2000. Normalized cuts and image segmentation. IEEE Trans. Pattern Anlaysis and Machine Intelligence, 22(8); 888-905.
  • P. Belhumeur, J. Hespanha, and D. Kriegman, “Eigenfaces vs. Fisherfaces: recognition using class specific linear projection”, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 19, pp. 711720, 1997.
  • Jon Shlens, "A TUTORIAL ON PRINCIPAL COMPONENT ANALYSIS,Derivation, Discussion and Singular Value Decomposition, 25 March 2003
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. Öğrenci, örüntüler, öznitelikler, sınıflandırma ve topaklama kavramları hakkında temel bilgiler edinir.
  2. Öğrenci, öznitelik çıkarma ve öznitelik seçme kavramları hakkında temel bilgiler edinir.
  3. Öğrenci, temel bileşen analizi (PCA) ve doğrusal ayraç analizi (LDA) gibi boyut indirgeme tekniklerinin kavramları hakkında temel bilgiler edinir
  4. Öğrenci, Bayes Karar Sınıflandırıcısı, k en yakın komşu sınıflandırıcısı (KNN), destekçi vektör makinaları (SVM), saklı Markov modelleri (HMM) gibi sınıflandırma tekniklerininin kavramları hakkında temel bilgiler edinir.
  5. Öğrenci, k ortalamalar ve çizge temelli düzgelenmiş kesimler gibi topakalama tekniklerininin kavramları hakkında temel bilgiler edinir.

Ders Öğrenim Çıktısı & Program Çıktısı Matrisi

DÖÇ-1DÖÇ-2DÖÇ-3DÖÇ-4DÖÇ-5
PÇ-1-----
PÇ-2-----
PÇ-3-----
PÇ-4-----
PÇ-5-----
PÇ-6-----
PÇ-7-----
PÇ-8-----
PÇ-9-----
PÇ-10-----
PÇ-11-----
PÇ-12-----

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1Giriş: Kapsam ve AmaçlarChapter 1 in H.O. Duda, P.E. Hart, D.G. Stork, Pattern Classification, 2nd ed. A Wiley-Interscience Publication, John Wiley & Sons, Inc., 2001.
2Boyut İndirgeme 1Chapter 1 in H.O. Duda, P.E. Hart, D.G. Stork, Pattern Classification, 2nd ed. A Wiley-Interscience Publication, John Wiley & Sons, Inc., 2001. Jon Shlens, "A TUTORIAL ON PRINCIPAL COMPONENT ANALYSIS,Derivation, Discussion and Singular Value Decomposition, 25 March 2003
3Boyut İndirgeme 2U. Sakarya, “Semi-supervised Dimension Reduction Approaches Integrating Global and Local Pattern Information”, Signal, Image and Video Processing, vol. 13, no. 1, pp. 171-178, 2019, (DOI: 10.1007/s11760-018-1342-5). U. Sakarya, “Dimension Reduction Using Global and Local Pattern Information Based Maximum Margin Criterion”, Signal, Image and Video Processing, vol. 10, no. 5, pp. 903-909, July 2016. (doi: 10.1007/s11760-015-0838-5) P. Belhumeur, J. Hespanha, and D. Kriegman, “Eigenfaces vs. Fishe
4Öznitelik Seçme ve Öznitelik ÇıkarmaChapter 2 in H.O. Duda, P.E. Hart, D.G. Stork, Pattern Classification, 2nd ed. A Wiley-Interscience Publication, John Wiley & Sons, Inc., 2001. Chapter 5 in S. Theodoridis, K. Koutroumbas, “Pattern Recognition”, 4th Edition, Academic Press, 2008. Chapter 7 in S. Theodoridis, K. Koutroumbas, “Pattern Recognition”, 4th Edition, Academic Press, 2008. U. Sakarya, “Videolarda İçerik Dizinleme Amaçlı Çizge Kuramsal Sahne Sezme”, Doktora Tezi, Ankara Üniversitesi, Fen Bilimleri Enstitüsü, Elektroni
5Bayesçi Karar Teorisi 1: Bayes Karar KuralıChapter 2 in H.O. Duda, P.E. Hart, D.G. Stork, Pattern Classification, 2nd ed. A Wiley-Interscience Publication, John Wiley & Sons, Inc., 2001.
6Bayesçi Karar Teorisi 2: Parametre TahminiChapter 3 and Chapter 4 in H.O. Duda, P.E. Hart, D.G. Stork, Pattern Classification, 2nd ed. A Wiley-Interscience Publication, John Wiley & Sons, Inc., 2001.
7Topaklama 1Chapter 3.9, Chapter 10 in H.O. Duda, P.E. Hart, D.G. Stork, Pattern Classification, 2nd ed. A Wiley-Interscience Publication, John Wiley & Sons, Inc., 2001.
8Ara Sınav 1
9Ara Sınav
10K En Yakın Komşu Sınıflandırıcısı (KNN) ve Saklı Markov Modelleri (HMM)Chapter 3.10, Chapter 4.5 in H.O. Duda, P.E. Hart, D.G. Stork, Pattern Classification, 2nd ed. A Wiley-Interscience Publication, John Wiley & Sons, Inc., 2001.
11Doğrusal Ayraç FonksiyonlarıChapter 5 in H.O. Duda, P.E. Hart, D.G. Stork, Pattern Classification, 2nd ed. A Wiley-Interscience Publication, John Wiley & Sons, Inc., 2001.
12Destekçi vektör makinaları (SVM) ve Gelişmiş Konular: Genetik Algoritma, Genetik Programlama, Başarı Arttırma, AdaboostChapter 5.11 in H.O. Duda, P.E. Hart, D.G. Stork, Pattern Classification, 2nd ed. A Wiley-Interscience Publication, John Wiley & Sons, Inc., 2001. Cortes, C. and Vapnik, V. 1995. Support Vector Network. Machine learning, 20, 273-297. Melgani, F. and Bruzzone, L., 2004. Classification of hyperspectral remote sensing images with support vector machines. IEEE Transactions on Geoscience and Remote Sensing, Aug, 42(8), pp. 1778-1790. Chapter 7.5, Chapter 7.6, Chapter 9.5.2 in H.O. Duda, P.E. Har
13Çoklu algılayıcılı sistemlerde örüntü tanıma uygulamalarıRelevant literature
14Öğrenciler Tarafından Yapılan Projelerin Sunumları ve Savunmaları (Çoklu algılayıcılı sistemlerde örüntü tanıma uygulamaları projesi)
15Konu Tekrarı ve Uygulamaları
16Final

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım
Laboratuar
Uygulama
Arazi Çalışması
Derse Özgü Staj
Küçük Sınavlar/Stüdyo Kritiği
Ödev220
Sunum/Jüri
Projeler120
Seminer/Workshop
Ara Sınavlar120
Final140
Dönem İçi Çalışmaların Başarı Notuna Katkısı
Final Sınavının Başarı Notuna Katkısı
TOPLAM100

AKTS İşyükü Tablosu

EtkinliklerSayıSüresi (Saat)Toplam İşyükü
Ders Saati133
Laboratuar
Uygulama
Arazi Çalışması
Sınıf Dışı Ders Çalışması136
Derse Özgü Staj
Ödev214
Küçük Sınavlar/Stüdyo Kritiği
Projeler130
Sunum / Seminer
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)120
Final (Sınav Süresi + Sınav Hazırlık Süresi)130
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok