Search

Öbekleme verideki bilinmeyen desenleri açığa çıkararak farklı sınıflara ayıran etkili bir araçtır. Ancak, k-ortalama, k-NN, bulanık c-ortalama gibi geleneksel öbekleme algoritmalarında, veriye göre değişken olan öbek sayısının seçimi belirsizdir. Dahası, öbekleme algoritmalarının uygulanacağı veri setleri genellikle öbekler arası doğrusal olmayan sınırlara sahiptir. Bu doğrusal olmayan sınırları giriş uzayında belirlemek karmaşık bir problemdir. Bahsi geçen sorunları çözmek için, son yıllarda öbek sayısını ve sınırlarını otomatik olarak belirleyen kernel tabanlı öbekleme yöntemleri geliştirilmiştir. Özellikle, Destek Vektör Kümele(DVK) algoritması öbek sayısını otomatik olarak belirleme ve Gauss kenel parametresine göre doğrusal olmayan sınırları ortaya çıkarma gibi özellikleriyle veri analizinde büyük ilgi görmektedir. DVK tarafından belirlenen öbek ve öbekler arası sınırlar, kernel fonksiyonunun seçimine ve parametrelerine bağlı olarak değişiklik gösterebilir. Bundan dolayı, kernel fonksiyonunun seçimi önemli bir rol oynar. Bu çalışmada, ilk kez, DVK çatısı altında iki farklı kernel (Cauchy ve Laplacian) fonksiyonunun uygulanması ve performanslarının değerlendirilmesi gerçekleştirilmiştir. Elde edilen sonuçlardan Laplacian kernel fonksiyonunun Gauss ve Cauchy kernel fonksiyonlarından daha iyi performans gösterdiği gözlemlenmiştir., Clustering is an effective tool that divides data into different classes to reveal internal and previously unknown data schemes. However, in conventional clustering algorithms such as the k-means, k-NN, fuzzy c tool, the selection of the appropriate number of clusters for each data set is uncertain and varies with the data sets. Furthermore, the data sets to which the clustering algorithm is applied generally have nonlinear boundaries between clusters. Determining these nonlinear boundaries in the input space causes a complex problem. To overcome these problems, kernel-based clustering methods have been developed in recent years, which automatically determine the number and boundaries of clusters. In particular, the Support Vector Clustering (SVC) algorithm has received great attention in data analysis because of its features such as automatically determining the number of clusters and recognizing nonlinear boundaries based on the Gaussian kernel parameter. The number of clusters and region boundaries produced by SVC may show variation depending on the choice of the kernel function and its parameters. Therefore, the choice of kernel function plays a significant role. In this study, for the first time, the implementation of two different kernel (Cauchy and Laplacian) functions and evaluation of their performances have been realized within the framework of SVC. It was observed that the Laplacian kernel function performed better than Gauss and Cauchy kernel functions.

The performance of clustering algorithms is veryimportant in biomedical research because they help in the pre-diagnosis ofdiseases, recognize diseases and take necessary precautions in diseased people.However, most clustering algorithms use the Euclidean distance as a similaritymetric. Euclidean distance assumes the variances of the data samples are equal.The performance of traditional clustering methods that use Euclidean distanceis quite low if the data contains noise or outlier samples. This study proposesthe Ellipsoidal Support Vector Clustering algorithm, which is one of thekernel-based clustering methods, in order to eliminate the above mentionedproblems. In the ESVC algorithm, there is no need to specify the cluster numberin advance. Moreover, the ESVC algorithm is capable of generating clusteringshapes that are appropriate to the distribution of data using the mahalanobissimilarity metric. The proposed ESVC algorithm was applied to both realbiomedical data and synthetic data and then compared to conventional clusteringmethods. It has been observed that ESVC algorithm performs well in terms ofaccuracy, specificity and sensitivity., Hastalıklı kişilerde hastalığınteşhisinin önceden yapılması, tanısının konulması ve gerekli önlemlerinalınmasına yardımcı olmalarından dolayı öbekleme algoritmalarının performansıbiyomedikal araştırmalarda çok önemlidir. Ancak, çoğu öbekleme algoritmasıbenzerlik metriği olarak Öklid uzaklığını kullanır. Öklid uzaklığı verilerinvaryanslarını eşit kabul eder. Gürültülü veya aykırı değerlerin veriye bulaşmasıdurumunda, geleneksel Öklid uzaklığı kullanan öbekleme yöntemlerininperformansı oldukça düşmektedir. Bu çalışma, yukarıda bahsedilen olumsuzluklarıgidermek için kernel tabanlı öbekleme yöntemlerinden biri olan Elipsoit DestekVektör Öbekleme (EDVÖ) algoritmasını önerir. EDVÖ algoritmasında, önceden öbeksayısının belirtilmesine gerek yoktur. Ayrıca, EDVÖ algoritması, mahalanobisbenzerlik ölçüsünü kullanarak verilerin dağılımına uygun kümelenme şekilleriüretebilir. Önerilen EDVÖ algoritması hem gerçek biyomedikal verilere hem desentetik verilere uygulanmış ve daha sonra geleneksel kümeleme yöntemleri ilekarşılaştırılmıştır. EDVÖ algoritmasının doğruluk, özgüllük ve duyarlılıkaçısından iyi bir performans gösterdiği gözlemlenmiştir.

Elektrokardiyogram (EKG), kalbin çalışması esnasında kalp kaslarında meydana gelen elektriksel aktivitelerin grafik olarak gösterimidir. EKG, kalp hastalıklarının teşhisinde ve analizinde oldukça önemli bir rol oynamaktadır. Herhangi bir kalp rahatsızlığına sahip kişilerin kalbinde meydana gelebilecek bir rahatsızlığı önceden tespit edebilmek için, EKG sinyalleri sürekli olarak kaydedilir, depolanır ve dijital iletişim ağları üzerinden iletilir. Ancak bu tür kayıtlar ortamdan dolayı gürültüye maruz kalabilir. Dahası, bu şekildeki kayıtlar depolama ve iletimi zorlaştıracak düzeyde büyük miktarda veri üretir. Yukarıda sözü edilen nedenlerden dolayı gürültülü ortamda bile etkili bir EKG veri sıkıştırma modeli gereklidir. Bu çalışma, EKG işaretlerinin doğal yapısını gürültülü ortamlarda bile korumak ve daha az sayıda parametre ile yeniden temsil etmek için Radyal Tabanlı Fonksiyon Ağlarını (RTFA) sunar. RTFA’ların tasarımında, modelin yaklaşık doğruluğunu etkileyen önemli unsurlardan birisi olan radyal taban fonksiyonlarının merkezlerinin verimli bir şekilde belirlenmesidir. Bu amaçla, k-means kümeleme algoritması kullanılmıştır. Yeniden yapılandırılmış EKG dalga biçimi, ortalama karesel hata, ortalama mutlak hata ve sıkıştırma oranı açısından niceliksel olarak değerlendirilmiştir. Tüm bu adımlar MATLAB ortamında uygulanmıştır., An electrocardiogram (ECG) is the graphical representation of electrical activity in the cardiac muscles of the heart. It plays a significant role in diagnosis and analysis of cardiac diseases. In order to detect any cardiac diseases in advance, the ECG signals are continuously recorded, stored and transmitted over digital communication networks, but such records may be subject to noise due to environment. Moreover, these types of records produce large amounts of data that will make storage and transmission difficult. Due to the reasons mentioned above, an effective ECG data compression model is required even in a noisy environment. This work presents Radial Basis Function Networks (RBFN) to preserve the natural structure of ECG signals even in noisy environments and to re-construct with fewer parameters. In the design of RBFN, the center of the radial basis functions, which is one of the important factors affecting the approximate accuracy of the model, is to be determined efficiently. For this purpose, k-means clustering algorithm is used in the paper. The reconstructed ECG waveform was quantitatively evaluated in terms of root mean squared error, mean absolute error, and compression ratio. These steps are implemented in MATLAB environment.

İnsan beyni, üzerinde en çok araştırma yapılan, en çok yazı yazılan ama hakkında en az şey bildiğimiz organımızdır. İnsanoğlu, en önemli görevlerinden biri akıl üretimi olan beyni örnekleyerek, kendisi gibi davranışlar gösterebilen ve kararlar verebilen modeller oluşturma uğraşısı içerisindedir. Öğrenme, hatırlama, düşünme gibi tüm insan davranışlarının temelinde sinir hücreleri bulunmaktadır. Bu yüzden, akıl üzerinde en fazla araştırma yapılan konu “yapay sinir ağları”dır. Yapay sinir ağları, temelde tamamen insan beyni örneklenerek geliştirilmiş bir teknolojidir ve iki yönden beyne benzer: öğrenme ve öğrenilen bilginin saklanması. Eğitimde de önemli olan öğrenme ve öğrenilen bilginin saklanmasıdır. Eğitim süreci içinde beynin öğrenmenin geçekleşmesinde etkin bir araç olarak kullanılması gerekmektedir. Eğitim ve öğretim sürecinde beynin etkin olarak kullanılması için eğitim ortamlarının uygun uyarıcılara yönelik tasarlanması gerekmektedir. Bu amaçla, insan davranışlarının temelinde olan sinir hücrelerinin etkin olarak kullanılması gerekmektedir. İnsan davranışlarını temel alan “Beyin Temelli Öğrenme” kuramı eğitim ortamlarında yaygın olarak kullanılması gereken bir kuramdır

Az sayıda parametre ile tanımlanan fonksiyon gösterilimleri, sadece veri veya modellerin karmaşıklığını azaltmak için değil, aynı zamanda gerçek test verileri altında oldukça iyi çalışan işaret ve sistemlerin elde edilmesi için de arzu edilir. Fonksiyon yaklaşımı ve regresyon (Her iki terimde tezde eşanlamlı olarak kullanılacaktır.), genellikle, sonlu sayıda giriş-çıkış örnek verilerinden bir öğrenme algoritması yardımı ile tasarlanırlar ve öğrenme sürecinde kullanılmayan test örnekleri için iyi bir genelleme yeteneği olan fonksiyon gösterilimleri sağlarlar. Tez'de, parça parça doğrusal ve/veya destek vektör yöntemlerine dayalı dört farklı regresyon model sınıfı önerilmiştir.Geliştirilen model sınıfından ilki, model parametrelerinin belirlenmesinde, model karmaşıklığını azaltmak üzere model parametre maliyeti için p?1 olacak biçimde l_p normu ve model parametrelerinin belirlenmesinde aykırı verilerin katkısını yok etmek veya sınırlamak için doymalı veya doğrusal hata fonksiyonu kullanmaktadır. İkinci olarak önerilen model sınıfı, en küçük karesel destek vektör modelinde karşılaşılan aşırı sayıda destek vektör oluşması problemini gidermek için önerilen ve en küçük karesel destek vektör modelinin bir uzantısı olan ?-duyarsız en küçük karesel destek vektör regresyon model sınıfıdır. Geliştirilen fonksiyon yaklaşım modellerinin üçüncüsü, parça parça doğrusal fonksiyonların yalın gösterilimleri ve B-spline taban fonksiyonlarından esinlenerek türetilen parça parça doğrusal destek vektör modelleridir. Geliştirilen dördüncü sınıf regresyon model sınıfı, destek vektör yaklaşım tabanlı modellerdeki yaklaşım hatası fonksiyonu yerine bir eğiticisiz öbekleme hatasını azaltan giriş-çıkış öbekleme algoritması ile tasarlanan diğer bir parça parça model sınıfıdır. Önerilen yöntemler nitel ve sayısal olarak incelenmiş ve gerçek veri ile bazı test fonksiyonları için bilinen destek vektör regresyon modelleri ile karşılaştırılmıştır. Function representation defined with a relatively small number of parameters in the relationship between input and output of the system provides a way of data reduction and compression. One of the main contributions of the thesis is to develop the function representation and optimization methods applied to be a given finite set of input-output sample data. At the beginning, an adequate theoretical background and also a guide for the study of function representations in the literature are described for reader. Next, novel studies on function representation are presented. First of all, a robust and low complex regression models by introducing new loss functions for rejecting outliers and noises, and l_p with p?1 norms for model parameters in order to reduce model complexity in support vector regression are developed. After that, to ignore the small errors less than a predetermined number (epsilon), the ? insensitive least squares support vector nonlinear regression is proposed and their associated solutions are compared with standard least square regression and support vector regression in a qualitative way. Another contribution of this thesis is the new type of kernel which is called piecewise linear kernel where feature space is explicitly given with a piece-wise linear mapping from the input space. The support vector regression is formulated by using the new kernel. Finally, for piecewise affine representation, input-output clustering method is proposed and applied to the real ECG data. 153

ÖZET Bulanık Mantık Kontrol; anlaşılması ve geliştirilmesi kolay olan ve endüstride çalışan mühendislerin tercih edebilecekleri bir kontrol yöntemidir. Nitekim günümüzde birçok tüketici ürünlerinde ve endüstriyel uygulamalarda Bulanık Mantık Kontrol yöntemleri uygulanmaktadır. Son yıllarda bilgisayarların, özellikle kişisel bilgisayarların yaygınlaşması ile kontrol sistemlerinin analizi önemli bir derecede gelişmiştir. Bilgisayar sistemlerinin fabrika ortamında çalışmasını sağlamak için kontrol mühendisliği ile birleştirilmesi gerekmektedir. Bu, ancak güçlü ve güvenilir bir yazılımla gerçekleştirilir. Bunu sağlayacak olan yazılım kaynaklarından biri de Java programlama dilidir Yazılım programında hedeflenen, kullanıcı tarafından belirlenecek olan Bulanık Mantık Kontrol parametrelerinin rahatça girilebilmesini sağlamak, zaman içerisinde bunlar üzerinde değişiklik yapabilmek ve hızlı bir şekilde kontrolü gerçekleştirip kontrol sonuçlarının simulasyon ortamanına taşınabilmesini sağlamaktır. Java hem yazılım hem de donanım boyutu olan, teknolojisi ile ticari bilgisayar dünyası ve endüstriyel kontrol uygulamalarının ihtiyaçlarını karşılayabilecek duruma gelmiştir. Bu çalışmada, matematiksel modelinin oluşturulmasının zor ve karmaşık olduğu geriye hareket eden kamyon yükleme-boşaltma sisteminin Bulanık Mantık ile Kontrolü incelenmiştir. Yapılan kontrol sonuçlarını incelemek için, nesne tabanlı Java2 programlama dilinde sisteme ait toolbox oluşturulup, simulasyon gerçekleştirilmiştir. Simulasyon olarak gerçekleştirilen kamyon yükleme-boşaltma sisteminde, iki adet giriş ve bir adet çıkış kontrol değişkeni vardır. Giriş kontrol değişkenlerine bağlı olarak, çıkışın bütün durumları gözönüne alınmış ve işlemlerin gözlenebilmesi için yazılan programa arayüz eklenmiştir. Ayrıca, sistemde farklı bulanık içermeler kullanılarak sistem performansına etkisini grafik konum hatası olarak çizen bir arayüz ile gösterilmiştir. Ömer KARAL ABSTRACT Fuzzy Logic Control is easy to understand and develop, thus it is preferable by engineers who work on industrial areas. As a matter of fact; today we can see Fuzzy Logic Control in industrial applications and customer products. Nowadays with the increasing usage of computers and especially personel computers, the analysis of control systems is positively effected. In order to work with computer systems in industrial areas one must connect with control engineering. This can be done only by a powerful and safe software one of which is JAVA programming language. The purpose of the proposed software is to provide the user to adjust the fuzzy control parameters easily, to control the system rapidly and to move the controlling results to simulation. JAVA has both software and hardware parts, with this technology commercial computer world is enough to cover all needs of industrial control applications. In this study; fuzzy logic control of a back-driving truck system which has a difficult and complex mathematical model is examined. In order to examine the results of control process; an object oriented JAVA2 programming language is used to construct a toolbox of the system and then simulation is done. Back-driving a truck system is a kind of simulation which has two inputs and one outuput. Depending on input values, all values of the output is taken into account and to observe the process an interface is added to program. However; different fuzzy implications are used in the control system and the effect of this to the system performance is observed and an interface which shows position error graphically is added. Ömer KARAL 140

Karaciğer yağlanması günümüzde sıkça karşılaşılan hastalıklarından bir tanesidir. Bu hastalığın teşhis ve takibinde ultrason, bilgisayarlı tomografi, manyetik rezonans görüntüleme gibi görüntüleme tekniklerinin yanısıra biyopsi ve kan testleri de kullanılmaktadır. Çeşitli alanlarda teknoloji gelişmeye devam ederken, hastalıkların teşhisinde, hâlâ maliyeti düşük, kolay erişilebilir, hızlı ve invaziv olmayan yöntemler öncelikli olarak tercih edilmektedir. Karaciğer yağlanmasının tespit ve takibinde ise en çok kullanılan yöntem ultrason görüntüleme yöntemidir. Ultrason kolay ulaşılabilen, düşük maliyetli ve insan sağlığı açısından bilinen zararı olmayan bir yöntemdir. Ultrason görüntüleme yöntemi karaciğer yağlanmasının tespitinde oldukça sık kullanılmasına rağmen ultrason görüntülerini kullanarak hastalığı teşhis etmek için her zaman bir uzman görüşüne ihtiyaç duyulmaktadır. Uzman, karaciğer yağlanmasını, ultrason görüntülerindeki bulguları değerlendirerek derecelendirmektedir. Ancak, ultrason görüntüleri üzerinde uzman tarafından yapılan bu karaciğer yağlanmasına ilişkin değerlendirme farklı zamanlarda farklı yorumlara sebep olabilmektedir. Bir diğer ifadeyle, karaciğer yağlanma seviyesinin bir öncekine göre farklı seviyede olduğu yönünde (subjektif) yorum yapabilmektedir. Bu tezin amacı, ultrason görüntüsünden karaciğer yağlanmasının objektif olarak tespit edilmesinde uzman görüşünü destekleyen ve uzmana yardımcı olabilecek matematiksel bir yöntem önermektir. Böylece önerilen yöntem ile elde edilen nicel sonuç sayesinde hem hastaya daha objektif bilgi verilebilecek, hem de ultrason görüntülerinin farklı zamanlarda değerlendirilmesinde uzmana kolaylık sağlanabilecektir. Nowadays, fatty liver is one of the common encountered liver diseases. In addition to imaging techniques such as ultrasound, computed tomography, magnetic resonance imaging, biopsy and blood tests are used in the diagnosis and follow-up of this disease. While technology continues to evolve in various areas, it is still preferable to diagnose diseases with low-cost, easily accessible, fast and non-invasive methods. Ultrasonography is the most commonly used method for the detection and follow-up of liver fat. Ultrasound is a method that is easily accessible, low cost and has no known harm in human health. Although ultrasound imaging method is used frequently to detect fatty liver, there is always a need for an expert opinion to diagnose the disease using ultrasound images. The expert gradates fatty liver by evaluating the findings in the ultrasound images. However, the evaluation of this liver fatty tissue by experts on ultrasound images may cause different interpretations at different times. In other words, the level of fatty liver can be interpreted to be different from the previous one. The aim of this thesis is to propose a mathematical method that can assist the expert and support the expert opinion in objective detection of fatty liver from ultrasound image. Thus, with the quantitative result obtained from the proposed method, the patient can be given more objective information and the expert can be provide convenience to evaluate the ultrasound images at different times. 49

İletişimin ve teknolojinin gelişmesi ile dünyadaki dijital veri miktarı gittikçe artmaktadır. Bu nedenle, özellikle son yıllarda bu veriler kullanılarak anlamlı bilgi elde etmek çok önemli hale gelmiştir. Özellikle, öbekleme yöntemleri, veri içindeki gizli desenleri çıkarmak için kullanılan en önemli algoritmalardan biridir. Çoğu öbekleme yönteminde, Öklid uzaklığı, veri örnekleri arasında benzerlik metriği olarak kullanılır. Öklid uzaklığında, verilerin varyansları eşit kabul edilir. Ancak, çoğu gerçek dünya verisi farklı varyansta veriler içerebilir. Bunun için, Mahalanobis uzaklığı kullanılarak Kernel tabanlı Elipsoit Destek Vektör Öbekleme (EDVÖ) algoritması geliştirilmiştir. EDVÖ yöntemi kernel fonksiyonunun varyans parametresi sayesinde küme sayısının önceden belirtilmesine ihtiyaç duymadan veri örneklerine göre uygun küme sınırlarını otomatik olarak oluşturabilir. Bu çalışma iki kısma ayrılmıştır. İlk kısımda, EDVÖ yöntemi ilk kez hepatit ve parkinson gibi gerçek biyomedikal veri setlerine uygulanmış ve ardından k-merkez, bulanık c-merkez, hiyerarşik gibi Öklid uzaklığı kullanan öbekleme algoritmalarıyla karşılaştırılmıştır. Simülasyon sonuçlarından, EDVÖ algoritmasının oldukça iyi performans gösterdiği gözlemlenmiştir. İkinci bölümde, Cauchy, Laplacian ve hyper tangent kernelleri, EDVÖ için Gauss kerneline alternatif olarak önerilmiş ve daha sonra performans analizleri yapılmıştır. Elde edilen analiz sonuçlarına göre, Cauchy ve hyper tangent kernel fonksiyonlarının Gauss kernele alternatif olarak kullanılabileceği gösterilmiştir. Along with the development of communication and technology, the amount of digital data in the world is increasing. Therefore, it has become very important to obtain meaningful information by using these data especially in recent years. In particular, clustering methods are one of the most important algorithms used to extract hidden patterns within the data. In most clustering methods, the Euclidean distance is used as a similarity metric between data samples. At the Euclidean distance, the variance of the data is considered equal. However, most real world data may contain data in different variances. For this, kernel-based Ellipsoidal Support Vector Clustering (ESVC) algorithm was developed using Mahalanobis distance. The ESVC method can automatically generate the appropriate cluster boundaries according to the data samples without having to specify the number of clusters by means of the variance parameter of the kernel function. This study is divided into two parts. In the first part, the ESVC method was first time applied to the real biomedical data sets such as Hepatitis and Parkinsons, and then was compared with clustering algorithms that use Euclidean distance such as k-means, fuzzy c-means and hierarchical. From the simulation results, it was observed that the ESVC algorithm performed quite well.In the second part, Cauchy, Laplacian, hyper tangent kernels were proposed as an alternative to Gaussian kernel for ESVC and then performance analyzes were performed. According to the results of the analysis, it was shown that Cauchy and hyper tangent kernel functions could be used as an alternative to Gaussian kernel. 57

Yönelim, konum ve hız bilgisi sağlayan navigasyon sistemleri günümüzde farklı alanlarda yaygın olarak kullanılmaktadır. Açısal hız ölçümü için halka lazer ve fiber optik jiroskop sensörleri, ivme ölçümü için Servo ve Kuvars ivmeölçer sensörleri en hassas sensörler olarak bilinir. Bu sensörler birçok uygulama için uygun olmasına rağmen, büyük ve ağır olduklarından küçük boyutlu insansız hava aracı (İHA) sistemlerinde kullanımı uygun değildir. Ayrıca, söz konusu sensörlerin fiyatları nispeten yüksektir. Bundan dolayı yönelim tahmini için, ucuz, hafif ve küçük olmaları nedeniyle mikro-elektromekanik sistemler (MEMS) İHA sistemlerinde yaygın olarak kullanılmaktadır. MEMS tabanlı atalet sensörlerinin avantajları olmasına rağmen, düşük çözünürlük, gürültülü çıkış ve hata birikmesi gibi performansı etkileyen bazı zayıf yönleri vardır. Bu nedenlerden dolayı, ivmeölçer, dönüölçer ve manyetometre gibi MEMS sensörleri, bağımsız bir sistem olarak yeterli navigasyon bilgisi sağlayamaz. Bunun için, her bir sensörden gelen veriler bir araya getirilmelidir. Bu tez, dinamik hareket altında daha doğru bir yönelim tahmini sağlamak için MEMS tabanlı atalet sensöründen elde edilen ivme, açısal hız ve manyetik alan ölçümlerinin kaynaşmasını sağlayan yeni bulanık tabanlı bir tamamlayıcı filtre önermektedir. Ölçüm gürültüsünü azaltmak için yüksek geçişli bir filtrenin kullanılması, daha az hesaplama karmaşıklığı ve olası sapma hatalarının dikkate alınması gibi ayırt edici özellikleri nedeniyle çalışmada sabit kazançlı tamamlayıcı filtre tercih edilmiştir. Ancak, sabit kazançlı tamamlayıcı filtre, dinamik hareket altında düşük hassasiyet göstermektedir. Bu sorunun üstesinden gelmek için çalışmada, tamamlayıcı filtrenin kazancının dinamik hale gelmesini sağlayabilecek bulanık tabanlı bir algoritma geliştirilmiştir. Navigation systems that provide attitude, position and speed information are widely used in different fields today. Ring laser and fiber optic gyroscope sensors for angular velocity measurement, Servo and Quartz accelerometer sensors for acceleration measurement are known as the most sensitive sensors. Although eligible for many applications, they are not suitable for use in small size unmanned air vehicle (UAV) systems because they are large and heavy. Moreover, the prices of these sensors are relatively high. In order to attitude estimate, micro electromechanical systems (MEMS) are widely used in UAV systems due to the fact that they are cheap, light-weight and small size. Though the advantages of MEMS based inertial sensors, they have some weaknesses that affect performance, such as low resolution, noisy output and poor bias stability. For these reasons, MEMS sensors such as accelerometers, gyroscope and magnetometers cannot provide sufficient navigation solutions as a stand-alone system. Therefore, the data from each sensor must be fused together. This thesis proposes a novel fuzzy based complementary filter providing the fusion of acceleration, angular velocity and magnetic field measurements obtained from MEMS based inertial sensor to provide more accurate attitude estimation under the dynamic motion. The complementary filter was preferred because of its distinctive features such as the use of a high-pass filter to reduce measurement noise, less computational complexity, and consideration of possible drift errors. However, the constant-gain complementary filter shows low sensitivity under dynamic motion. To overcome this problem, a fuzzy based algorithm has been developed that can make the complementary filter gain dynamic. 99

Tıptaki gelişmelere rağmen, kanser hastalığı ölümle sonuçlanan hastalıkların en önemlilerinden bir tanesidir. Yüzden fazla türü olan kanser hastalığı, DNA da meydana gelen hasarlardan dolayı, hücrelerin kontrolsüz olarak bölünüp çoğalmasına ve hücre şekillerinde anormalliklere sebep olmaktadır. Kanser hastalığının erken tanısı ve teşhisi büyük önem taşımaktadır ve bu hastalıktan kaynaklanan ölümlerin azalmasına yardımcı olacaktır. Kanser hastalığının tanı ve teşhisinde birçok yöntem kullanılsa da en etkili yöntem hastadan alınan doku örneğinin çeşitli işlemlerden geçtikten sonra patolog tarafından mikroskop altında incelenmesiyle olmaktadır. Bu aşamada patologlar hücrelerin yapısal özelliklerini inceleyerek teşhis koymaktadır. Son zamanlarda, görüntü işleme teknikleri tıbbın diğer alanlarında olduğu gibi patolojik görüntülerde de uygulanması yaygınlaşmaktadır. Bu teknikler kullanılarak patolojik görüntülerdeki hücre konumları belirlenebilmekte ve hücre konumlarından hücrelere ait özellikler çıkartılabilmektedir. Bu tez çalışmasında, mesaneye ait patolojik görüntülerin görselleştirilmesi ve seçilen bölgedeki çekirdeğinin yapısal özelliklerinden yararlanılarak, vakanın yüksek dereceli veya düşük dereceli kanser olduğuna karar veren bir algoritma geliştirilmiştir. Bilgisayar Destekli Tanı (BDT), hastalığın teşhisini koymada ve uygulanacak tedavi metoduna karar vermede doktorlara yardımcı olması için geliştirilen sistemlerdir. Bu amaca yönelik olarak MATLAB kullanılarak bir Grafik Kullanıcı Ara yüzü (GKA) tasarlanmıştır. Seçilen hücre çekirdeklerine ait sınırların belirlenmesi ve elde edilen sınır bilgilerinden hücre çekirdeklerine ait özellikler çıkartılmaktadır. Bu özellikler yardımıyla yüklenilen mesane örneğinin yüksek dereceli veya düşük dereceli olduğuna karar verilebilmektedir. Sonuç olarak bu program vasıtasıyla mesane kanserinin kolay ve doğru bir şekilde tespiti sağlanabilmektedir. Buna ek olarak, Mesane kanseri türlerinin tespitine yönelik bir çalışma da yapılabilir. Cancer is one of the most important diseases that ends up with loosing lives, despite many new improvements in medicine. Cancer, which has more than a hundred species, causes uncontrolled division and multiplication of cells and abnormalities in cell shape due to the damage in DNA. The early diagnosis and prognosis of cancer has great importance and will help to reduce loss of lives from this disease. Although many methods are used in the diagnosis and prognosis of cancer, the most effective method is to examine the obtained tissue sample under the microscope by the pathologist after various procedures have been applied. At this stage, pathologists diagnose the cancer by examining the structural properties of the cells.Recently, image processing techniques have been applied to obtained pathological images as well as in other fields of medicine. By using these techniques, the cell locations in pathological images can be determined and the cell characteristics can be extracted from the determined cell locations. In this thesis, visualization of the pathological bladder data is performed and the area can be cropped from these images. An algorithm is designed to determine whether the case is at high grade bladder cancer or low grade bladder cancer using the structural features of the cell nucleus in the region specified by these images. Computer Assisted Diagnosis (CAD) is a system, which is developed to help doctors to diagnose the disease and to decide on the treatment method to be applied. For this purpose, a graphical user interface (GUI) was designed by using the MATLAB software. With the help of the extracted features, it can be decided that loaded sample of the bladder is at high grade or low grade. As a result, developed software allows easy and accurate detection of bladder cancer. As a future work, another study may be performed to identify types of the bladder cancer. 119

Yüz ve iris tanıma, bilgisayarla video ve görüntü işleme alanında çalışan araştırmacılar tarafından büyük ilgi çekmektedir. Robotik ve yapay zekâ alanlarında son yıllarda ortaya çıkan büyük ilerlemeler, yüz ve iris tanımanın önemini daha da artırmıştır.Bu çalışmada, insan gözünün irisi hibrit modellerle tespit edilmiştir. Önce yüz, daha sonra gözler ve en sonunda iris algılanır.Yapay Sinir Ağı (YSA) ve Karar Ağacı (KA) olmak üzere iki sınıflandırıcı, sadece insan yüzü'nden oluşan görüntüleri diğerlerinden ayırmak için eğitilmiştir. Ayrıca bu iki sınıflandırıcı, kayan pencere tekniğinden faydalanarak verilen görüntüden yüz içeren bölgelerin ayrılmasında da kullanılır. Elde edilen yüz verilerinden gözlerin algılanması için de aynı adımlar uygulanır. Yüzleri ve gözleri tanıma oranına göre YSA'nın, KA'dan daha iyi performans gösterdiği gözlenmiştir.Son olarak, irisi belirten daireleri bulmak için algılanan gözler kullanılır. İrisi saptamak için Hough Dönüşümü (HD) ve eğimlerin ortalaması (EO) yöntemleri ele alınmıştır. EO, HD ile karşılaştırıldığında, daha yüksek algılama hızı sağladığı görülmüştür. Face and iris detection are great of interests to researchers in the field of video processing and computer vision. In recent years, great advances in robotics and artificial intelligence have further increased the importance of face recognition and iris detection.In this study, iris of the human eye is detected through hybrid models. These models first detect the face, then the eyes, and finally the iris.Two classifiers, the Artificial Neural Network (ANN) and the Decision Tree (DT), are trained to distinguish face images from other. They are also used to extract face images using the sliding window technique. After extracting the face from the given image, the same steps are applied to detect the eyes from the face. It has been observed that the ANN performs better than the DT with respect to detection rate of faces and eyes.The eyes that are finally detected are used to find circles that indicate the iris. Two methods are discussed to detect the iris: Hough Transform (HT) and the mean of gradients (MoG). In comparison with HT, MoG yields higher detection rate. 76