Balina optimizasyon algoritması ile derin öğrenme algoritmalarının performansının artırılması

Basit Öğe Kaydı
dc.contributor.advisorHacıbeyoğlu, Mehmet
dc.contributor.authorÖzcan, Ömer
dc.date.accessioned2026-07-10T13:52:56Z
dc.date.available2026-07-10T13:52:56Z
dc.date.issued2026
dc.date.submitted2026
dc.departmentNEÜ, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı
dc.description.abstractBu doktora tezinde, görüntü sınıflandırma ve nesne tespiti problemlerinde derin öğrenme modellerinin performansını artırmak amacıyla görüntü artırma, öznitelik çıkarımı ve model optimizasyonu bütünleşik bir çerçevede ele alınmıştır. Bu kapsamda, kenar bilgisine dayalı Balina Optimizasyon Algoritması (BOA) tabanlı bir görüntü artırma yöntemi geliştirilmiştir. Önerilen yaklaşımda, görüntü içeriğine en uygun çekirdek filtre metasezgisel optimizasyonla belirlenmiş, bu filtre ile gerçekleştirilen kenar tespiti çıktıları kullanılarak sentetik örnekler üretilmiştir. Elde edilen sonuçlar, dengesiz veri setlerinde sınıflandırma doğruluğunun \%74,6'dan \%98'e yükseldiğini ve kenar tespiti performansının karşılaştırmalı yöntemlere kıyasla iyileştiğini göstermektedir. Ayrıca, popülasyon çeşitliliğini kosinüs benzerliği temelli bir ölçüm mekanizmasıyla koruyan Geliştirilmiş Balina Optimizasyon Algoritması (GBOA) önerilmiştir. GBOA, öznitelik çıkarımı ve sınıflandırma bileşenlerinin hiperparametre ve model parametrelerinin optimize edilmesinde kullanılarak bütünleşik bir Çilek Tespit Sistemi'nin geliştirilmesini sağlamıştır. Önerilen sistem, çilek olgunluk tespitinde \%98,23 doğruluk oranına ulaşarak yüksek performans sergilemiştir. Anahtar Kelime: Hücresel yapay sinir ağları = Cellular artificial neural networks ; Parametre optimizasyonu = Parameter optimization
dc.description.abstractThis doctoral dissertation presents an integrated framework that combines image augmentation, feature extraction, and model optimization to improve the performance of deep learning models for image classification and object detection tasks. Within this framework, an edge-informed Whale Optimization Algorithm (WOA)-based image augmentation method is developed. In the proposed method, the kernel filter best suited to image content is identified via metaheuristic optimization, and the resulting edge information is used to generate synthetic samples. Experimental results demonstrate that classification accuracy on imbalanced datasets increases from 74.6\% to 98\%, while edge detection performance surpasses that of the compared baseline approaches. In addition, an Improved Whale Optimization Algorithm (IWOA), which preserves population diversity through a cosine similarity-based mechanism, is introduced. The proposed IWOA is employed to optimize both hyperparameters and model parameters of the feature extraction and classification modules, leading to the development of an integrated Strawberry Detection System. The resulting system achieves 98.23\% accuracy in strawberry ripeness detection, indicating strong overall performance.
dc.identifier.citationÖmer, Ö. (2026). Balina optimizasyon algoritması ile derin öğrenme algoritmalarının performansının artırılması. (Yayınlanmamış Doktora Tezi). Necmettin Erbakan Üniversitesi, Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Anabilim Dalı, Konya.
dc.identifier.urihttps://hdl.handle.net/20.500.12452/20206
dc.identifier.yoktezid1006907
dc.language.isotr
dc.publisherNecmettin Erbakan Üniversitesi, Fen Bilimleri Enstitüsü
dc.relation.publicationcategoryTez
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subjectBalina Optimizasyon Algoritması
dc.subjectDerin Ögrenme
dc.subjectGörüntü ˘ Artırımı
dc.subjectGörüntü Sınıflandırma
dc.subjectKenar Tespiti
dc.subjectMetasezgisel Optimizasyon
dc.subjectNesne Tespiti
dc.subjectVeri Dengesizligi
dc.subjectDeep Learning
dc.subjectEdge Detection
dc.subjectImage Augmentation
dc.subjectImage Classification
dc.subjectMetaheuristic Optimization
dc.subjectObject Detection
dc.subjectWhale Optimization Algorithm
dc.subjectData Imbalance
dc.titleBalina optimizasyon algoritması ile derin öğrenme algoritmalarının performansının artırılması
dc.title.alternativeEnhancing the performance of deep learning algorithms with the whale optimization algorithm
dc.typeDoctoral Thesis

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
1006907 ÖMER ÖZCAN.pdf
Boyut:
8.18 MB
Biçim:
Adobe Portable Document Format
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.17 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleskiyonu