SavedAdd your journal

Journals / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2019 / Cilt: 34 - Sayı: 4

Sensör işaretlerinden cinsiyet tanıma için yerel ikili örüntüler tabanlı yeni yaklaşımlar

Fatma KUNCAN
Yılmaz KAYA
Melih KUNCAN
Pages
2173–2186
Publication Date
2019-06-25
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Bu çalışmada önerilen yeni yaklaşımlar sayesinde sensör işaretleri kullanılarak CT işleminin yüksek bir başarı oranı ile gerçekleştirildiği belirlenmiştir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Son zamanlarda kimlik tanıma başta olmak üzere, yaş tanıma ve cinsiyet tanıma gibi konular hem akademik hem de diğer alanlarda (sanayi, bilişim, sağlık vb.) yaygın olarak üzerinde araştırma yapılan konulardandır.
📊
Key Findings & Data:Bu çalışmada kişilerin 5 farklı bölgesine takılmış olan ivmeölçer, manyetometre ve jiroskop sensörlerinden elde edilen işaretler kullanılarak cinsiyet tanıma (CT) için üç (3) farklı öznitelik çıkarım metodu önerilmiştir.
💡
Conclusion & Impact:Bu çalışmada önerilen yeni yaklaşımlar sayesinde sensör işaretleri kullanılarak CT işleminin yüksek bir başarı oranı ile gerçekleştirildiği belirlenmiştir.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Cinsiyet Tanıma · sensör işaretleri · 1B-YİÖ

Özet

Son zamanlarda kimlik tanıma başta olmak üzere, yaş tanıma ve cinsiyet tanıma gibi konular hem akademik hem de diğer alanlarda (sanayi, bilişim, sağlık vb.) yaygın olarak üzerinde araştırma yapılan konulardandır. Cinsiyet tanıma (CT) erkek ve kadın arasında ayrım yapan özelliklere dayalı olarak bireyin cinsiyetini belirlemektir. Yapay zeka alanında, CT örüntü tanıma yönteminin en önemli uygulamalarından biri olarak kabul edilmektedir. Bu çalışmada kişilerin 5 farklı bölgesine takılmış olan ivmeölçer, manyetometre ve jiroskop sensörlerinden elde edilen işaretler kullanılarak cinsiyet tanıma (CT) için üç (3) farklı öznitelik çıkarım metodu önerilmiştir. İşaretlerden öznitelik çıkarımı CT’nın en önemli aşamalarından biridir. Çünkü CT’nin başarısı çıkarılan özniteliklere bağlıdır. Ancak CT için uygun özniteliklerin çıkarım zor bir problemdir. Sensörlerden elde edilen işaretlere Bir Boyutlu Yerel İkili Örüntüler (1B-YİÖ), Bir Boyutlu Sağlam Yerel İkili Örüntüler (1B-SYİÖ) ve Ağırlıklandırılmış Bir Boyutlu Sağlam Yerel İkili Örüntüler (A-1B-SYİÖ) olmak üzere farklı dönüşüm yöntemleri uygulanmıştır. Dönüşüm işlemlerinden sonra yeni oluşan işaretlerde istatistiksel öznitelikler elde edilmiştir. Bu öznitelikler kullanılarak farklı makine öğrenmesi yöntemler (SVM, RF, YSA, Knn) ile sınıflandırma işlemleri gerçekleştirilmiştir. Elde edilen sonuçlara göre 1B-YİÖ (%96.04), 1B-SYİÖ (%96.72) ve A-1B-SYİÖ (%97.28) yöntemlerin CT için etkin öznitelikler sağladığı görülmüştür. Bu çalışmada önerilen yeni yaklaşımlar sayesinde sensör işaretleri kullanılarak CT işleminin yüksek bir başarı oranı ile gerçekleştirildiği belirlenmiştir.

🔖

Cite This Article

KUNCAN, F., KAYA, Y., KUNCAN, M. (2019). Sensör işaretlerinden cinsiyet tanıma için yerel ikili örüntüler tabanlı yeni yaklaşımlar. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 34 - Sayı: 4, 2173–2186. https://ajindex.com/articles/19899

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (14)

  1. Cao, L., Dikmen, M., Fu, Y., & Huang, T. S. (2008, October). Gender recognition from body. In Proceedings of the 16th ACM international conference on Multimedia (pp. 725-728). ACM
  2. Yu, S., Tan, T., Huang, K., Jia, K., & Wu, X. (2009). A study on gait-based gender classification. IEEE Transactions on image processing, 18(8), 1905-1910
  3. Golomb, B. A., Lawrence, D. T., & Sejnowski, T. J. (1990, October). Sexnet: A neural network identifies sex from human faces. In NIPS (Vol. 1, p. 2)
  4. Harb, H., & Chen, L. (2003, July). Gender identification using a general audio classifier. In Multimedia and Expo, 2003. ICME'03. Proceedings. 2003 International Conference on (Vol. 2, pp. II-733). IEEE
  5. Li, X., Maybank, S. J., Yan, S., Tao, D., & Xu, D. (2008). Gait components and their application to gender recognition. IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), 38(2), 145-155
  6. Guo, G., Mu, G., & Fu, Y. (2009, September). Gender from body: A biologically-inspired approach with manifold learning. In Asian Conference on Computer Vision (pp. 236-245). Springer, Berlin, Heidelberg
  7. Gutta, S., Huang, J. R., Jonathon, P., & Wechsler, H. (2000). Mixture of experts for classification of gender, ethnic origin, and pose of human faces. IEEE Transactions on neural networks, 11(4), 948-960
  8. Moghaddam, B., & Yang, M. H. (2002). Learning gender with support faces. IEEE Transactions on Pattern Analysis and Machine Intelligence, 24(5), 707-711
  9. Li, Z., Zhou, X., & Huang, T. S. (2009, November). Spatial gaussian mixture model for gender recognition. In Image Processing (ICIP), 2009 16th IEEE International Conference on (pp. 45-48). IEEE
  10. Chen, C., & Ross, A. (2011, October). Evaluation of gender classification methods on thermal and near-infrared face images. In Biometrics (IJCB), 2011 International Joint Conference on (pp. 1-8). IEEE
  11. Ng, C. B., Tay, Y. H., & Goi, B. M. (2012). Vision-based human gender recognition. A survey. arXiv preprint arXiv. 1204.1611
  12. Danisman, T., Bilasco, I. M., & Martinet, J. (2015). Boosting gender recognition performance with a fuzzy inference system. Expert Systems with Applications, 42(5), 2772-2784
  13. Li, X., Maybank, S. J., Yan, S., Tao, D., & Xu, D. (2008). Gait components and their application to gender recognition. IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), 38(2), 145-155
  14. Lu, J., Wang, G., & Moulin, P. (2014). Human identity