Uzaktan algılama amacıyla kullanılacak istatistiksel öğrenme tabanlı modifiye bir sınıflandırıcı geliştirilmesi

Abstract

Öğrenme bilimi; istatistik, veri madenciliği, yapay zeka, mühendislik ve diğer disiplin alanları ile kesişen alanlarda anahtar bir rol oynar. Bilimin, finansın ve endüstrinin bir çok alanında etkili olarak kullanılan istatistiksel öğrenme alanında etkili analiz tekniklerinden birisi olan EM algoritması zor olan en çok olabilirlik problemlerini basitleştirmek için popüler bir araçtır. İlk tahmin değerlerine duyarlılık, yerel minimum yakınsama, hızlı yakınsama ve de varyans kovaryans matrislerinin tekil olması gibi durumlar, EM algoritmasının parametre tahminlerini yapamaması ya da doğru yapamamasına yol açan eksikliklerdir. Bu tezde EM algoritmasının teorik yapısı incelenerek, bu doğrultuda geliştirilen matlab kodu ile çeşitli özelliklerdeki uzaktan algılama verilerindeki sınıflara ait, parametrelerin tahmin edilmesi ve elde edilen parametre tahminleri yardımıyla görüntü sınıflandırması gerçekleştirilmiştir. Bazı durumlarda varyans kovaryans matris ya da matrislerinin tekillik tuzağına yakalandığı gözlemlenmiş, buna karşın EM algoritması modifiye edilerek, tekillik tuzağından kurtulması sağlanarak görüntü sınıflandırmaları başarı ile tamamlanmıştır. Son olarak ilgili veriler için uzaktan algılamada bilinen bazı klasik sınıflandırıcılar ile modifiyesiz ve modifiyeli EM algoritması yardımı ile elde edilen görüntü sınıflama sonuçları karşılaştırılmış ve EM algoritması yardımı ile elde edilen modifiyeli ve modifiyesiz görüntü sınıflandırma sonuçlarının daha güvenilir olduğu görülmüştür. Bu tezin temel amacı, ön bilgilendirmesiz ve ön bilgilendirmeli uzaklık esaslı ve olasılık dağılımı kullanmayan sınıflandırıcılara göre daha güvenilir sonuçlara ulaşmayı sağlayacak, istatistiksel öğrenme temelli yeni modifiye sınıflandırıcı geliştirmek olup; bu tezde, yukarıda bahsi geçen sorunların çözümlerini sağlayacak algoritmalar üzerinde çalışılmıştır.