AI Summary & Key Takeaways
AI InsightFinally, the best performance is observed as % 91.4 in the k=1 structure.
📌 3 Key Takeaways
Abstract
Knearest neighboralgorithmis an algorithmthat solvesthe problem ofclassification. The classification is to analyse texture features of a new image and to assign them into a predefined class. The important thingis that the features of each class shoul be determined previously.In this work, the Hong Kong Polytechnic University Palmprint Database image is used. After the preprocessing of hand images; the region of interest, namely sub-image of palm print is extracted from the original images. The texture features are extracted by using theGreyLevelCo-Occurrence Matrix (GLCM). Then, GLCM based texture features vectors are applied to k-Nearest Neighbor(k-NN) method as inputs for classification. Finally, the best performance is observed as % 91.4 in the k=1 structure.
Özet
K en yakın komşuluk algoritması, sınıflandırma problemini çözen bir algoritmadır. Sınıflandırma, yeni bir imgenin özniteliklerini inceleme ve bu imgeyi önceden tanımlanmış bir sınıfa atamaktır. Önemli olan, her bir sınıfın özelliklerinin önceden belirlenmiş olmasıdır.Bu çalışmada Hongkong Politeknik Üniversitesi veritabanına ait avuç içi imgeleri kullanılmıştır. El imgeleri ön işlemden geçirildikten sonra avuç içi imgeleri elde edilmiştir. Gri seviye eş oluşum matrisi (GLCM) metodu kullanılarak her bir imgeden öz nitelik parametreleri elde edilmiştir. Bu parametreler k en yakın komşuluk algoritması (k-NN) sınıflandırıcısının girişine verilerek performansı en iyi sistem tasarlanmıştır. Sonuç olarak en iyi performans k=1 komşuluk yapısında % 91.4 olarak gözlemlenmiştir.