Journals / Sakarya University Journal of Science / 2018 / Cilt: 22 Sayı: 4
Comparison of Performance on the Different Classifiers of the Locating Protected Projection (LPP) Dimension Reduction Method Based LBP Features
- Pages
- 1101–1108
- DOI
- —
Abstract
Image cells have taken with Light Microscope help. The local binary pattern (LBP) features have obtained for original images. High-dimensional of these LBP features is reduced to lower-dimensional with Locality Preserving Projections (LPP). These low dimensional data are classified by the Random Forest (RF), Naive Bayes (NB), and Artificial Neural Networks (ANN) classifiers. The classification results are compared with previous studies. The performance achieved with the ANN classifier is higher than the RF and NB classifiers. Moreover, feature vector size used in ANN classifier is a lower than feature vector size used in RF and NB classifiers. The success rates achieved with the ANN, RF, and NB classifiers is respectively 96.29%, 74.44%,and 70.00% according to LPP Method.
Özet
Görüntü hücreleri Işık Mikroskop yardımıyla alınmıştır. Yerel ikili örüntü (LBP) özellikleri orijinal görüntüler için elde edilmiştir. Bu görüntülerin LBP özelliklerinin yüksek boyutu, Lokasyon Koruyan Projeksiyon (LPP) ile daha düşük boyuta indirgenir. Bu düşük boyutlu veriler Rastgele Orman (RF), Naive Bayes (NB) ve Yapay Sinir Ağları (ANN) sınıflandırıcısı tarafından sınıflandırılmıştır. Yapılan sınıflandırma sonuçları daha önceden yapılan çalışmalar ile karşılaştırılmıştır. ANN sınıflandırıcısıyla elde edilen performans RF ve NB sınıflandırıcına göre daha yüksektir. Üstelik, ANN sınıflandırıcısında kullanılan özellik vektör boyutu, RF ve NB sınıflandırıcılarında kullanılan özellik vektörü boyutundan daha düşüktür. LPP Yöntemine göre ANN, RF ve NB sınıflandırıcıları ile elde edilen başarı oranları sırasıyla% 96.29,% 74.44 ve% 70.00'dır.