Filtreler

2018 - 201912020 - 20251
Filtreleri Sıfırla

Ayarlar

Konu: Classification × WoS Q: Q4 ×

Arama Sonuçları

Listeleniyor 1 - 2 / 2
  • Küçük Resim
    Yayın
    Sınıflandırma için diferansiyel mahremiyete dayalı öznitelik seçimi
    (Gazi Univ, Fac Engineering Architecture, 2018) Var, Esra; İnan, Ali
    Veri madenciliği ve makine öğrenmesi çözümlerinin en önemli ön aşamalarından biri yapılacak analizde kullanılacak verinin özniteliklerinin uygun bir alt kümesini belirlemektir. Sınıflandırma yöntemleri için bu işlem, bir özniteliğin sınıf niteliği ile ne oranda ilişkili olduğuna bakılarak yapılır. Kişisel gizliliği koruyan pek çok sınıflandırma çözümü bulunmaktadır. Ancak bu yöntemler için öznitelik seçimi yapan çözümler geliştirilmemiştir. Bu çalışmada, istatistiksel veritabanı güvenliğinde bilinen en kapsamlı ve güvenli çözüm olan diferansiyel mahremiyete dayalı özgün öznitelik seçimi yöntemleri sunulmaktadır. Önerilen bu yöntemler, yaygın olarak kullanılan bir veri madenciliği kütüphanesi olan WEKA ile entegre edilmiş ve deney sonuçları ile önerilen çözümlerin sınıflandırma başarımına olumlu etkileri gösterilmiştir.
  • Küçük Resim
    Yayın
    Designing a scalable agricultural information system for pest detection and decision support in hazelnut cultivation
    (World Scientific Publishing Company, 2025-11-12) Aydın, Şahin
    This study presents a microservices-based, multi-tiered information system to detect, monitör and manage pest species that cause yield losses in hazelnut production. The system integrates a deep learning model for classifying pest images submitted by field users, the generation of pest density maps and location-based early warning mechanisms for growers. Delivered through mobile, web and desktop platforms, the system enables data sharing among farmers, researchers and decision-makers, supporting agricultural decisions. Experimental findings show that the DNN+ResNet50 architecture achieved the highest accuracy (91.88%) among all tested CNN models. Performance evaluations indicated that the Authentication and Heatmap services sustained high stability under loads of up to 1000 requests, while the Bug Classification Service was reliable up to 750 requests before reaching a critical resource threshold. The usability test resulted in an overall score of 38 out of 50, with sub-scores of Appropriateness Recognizability (0.73, Acceptable), Learnability (0.71, Acceptable), Operability (0.65, Questionable), User Error Protection (0.86, Good), User Interface Aesthetics (0.83, Good) and Accessibility (0.74, Acceptable). With its robust technical architecture and practical implementation, the proposed system can generate economic, social and commercial outcomes. This study provides a software engineering-oriented approach to the digitalization of agricultural production and the sustainable management of pests.