Classification of Turkish spam e-mails with artificial immune system

Özdemir, Cüneyt; Atas, Musa; Özer, Ahmet Bedri

doi:10.1109/siu.2013.6531457

Cited by 6 publications

(3 citation statements)

References 3 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…it is aimed to extract the spectral and shape properties of buildings by using techniques such as [1]. With the rapid development of deep learning recently, it has made great progress in the fields of agriculture [2][3], health [4], robotics and security [5], natural language processing [6], as well as in the fields of remote sensing, semantic segmentation and target recognition [1]. Deep learning methods are in the direction of producing more stable results for image recognition in remote sensing with high accuracy and high computational speeds [1].…”

Section: Introductionmentioning

confidence: 99%

Performance Evaluation of Jaccard-Dice Coefficient on Building Segmentation from High Resolution Satellite Images

Ataş

2023

Balkan Journal of Electrical and Computer Engineering

View full text Add to dashboard Cite

In remote sensing applications, segmentation of input satellite images according to semantic information and estimating the semantic category of each pixel from a given set of tags are of great importance for the automatic tracking task. It is important in situations such as building detection from high resolution satellite images, city planning, environmental preparation, disaster management. Buildings in metropolitan areas are crowded and messy, so high-resolution images from satellites need to be automated to detect buildings. Segmentation of remote sensing images with deep learning technology has been a widely considered area of research. The Fully Convolutional Network (FCN) model, a popular segmentation model, is used for building detection based on pixel-level satellite images. In the U-Net model developed for biomedical image segmentation and modified in our study, its performances during training, accuracy and testing were compared by using customized loss functions such as Dice Coefficient and Jaccard Index measurements. Dice Coefficient loss score was obtained 84% and Jaccard Index lost score was obtained 70%. In addition, the Dice Coefficient loss score increased from 84% to 87% by using the Batch Normalization (BN) method instead of the Dropout method in the model.

show abstract

Section: Introductionmentioning

confidence: 99%

Performance Evaluation of Jaccard-Dice Coefficient on Building Segmentation from High Resolution Satellite Images

Ataş

2023

Balkan Journal of Electrical and Computer Engineering

View full text Add to dashboard Cite

show abstract

“…Özellikle makine öğrenmesinin alt dalı olan derin transfer öğrenme modelleri, bu tür karmaşık ve geniş veri setlerinde yüksek başarı elde etme potansiyeline sahiptir. Derin öğrenme sağlık, gıda, spam filtreleme gibi birçok sektörde geniş bir uygulama potansiyeline sahip olan önemli bir teknoloji olarak öne çıkmaktadır [13][14][15][16][17]. Bu çalışmada da makine öğrenimi teknolojilerinden derin transfer öğrenme modellerinin kullanılmasıyla, 13 farklı çeltik hastalığının yüksek doğrulukla tespit edilmesi başarılmıştır.…”

Section: Introductionunclassified

Early Diagnosis of Paddy Leaf Diseases using Deep Learning Models and Data Preprocessing Techniques

ÖZDEMİR

2023

Çukurova Üniversitesi Mühendislik Fakültesi Dergisi

View full text Add to dashboard Cite

Son yıllarda tarım sektöründe, derin öğrenme temelli bilgisayar destekli sistemler büyük bir önem kazanmış ve farklı uygulama alanlarında etkili bir rol oynamıştır. Bu sistemler sadece hastalıkların erken teşhisine katkı sağlamakla kalmamış, aynı zamanda tarım profesyonellerine önemli bir destek sunmuştur. Bu bağlamda, bu çalışma çeltik yapraklarında mevcut hastalıkların erken teşhisinde derin öğrenme yöntemlerinin etkinliğini araştırmayı amaçlamaktadır. Bu araştırma için, 13 farklı çeltik hastalığına ait toplam 4160 görüntü içeren Paddy Doctor veri kümesi kullanılmıştır. Veri kümesi üzerinde beş farklı transfer öğrenme modeli titizlikle değerlendirilmiştir. Elde edilen sonuçlar, Xception modelinin %93,37'lik doğruluk oranı ile en üstün performansı gösterdiğini açıkça ortaya koymaktadır. Ayrıca, bu çalışma veri ön işleme ve veri artırma tekniklerini optimize etme konusuna da değinerek veri kümesini zenginleştirmeyi ve teşhis doğruluğunu artırmayı amaçlamıştır. Başarılı bulunan modelin çeltik yaprak hastalıklarını teşhis etmedeki performansı ayrıntılı bir şekilde değerlendirilmiştir. Bu değerlendirme sonucunda, modelin en başarılı olduğu hastalık sınıfları belirlenmiş ve aynı şekilde modelin en zorlandığı veya en düşük doğruluk oranına sahip hastalık sınıfları da tespit edilmiştir. Bu bulgular, çeltik hastalıklarının erken teşhisinde transfer öğrenme modellerinin potansiyelini vurgulayarak tarım sektöründe etkili otomatik teşhis sistemlerinin geliştirilmesine olanak tanımaktadır. Bu yaklaşım, tarım sektöründe mahsul verimini artırma ve pestisit kullanımını azaltma yolunda umut vadetmektedir. Ayrıca, daha sağlıklı ve sürdürülebilir tarım uygulamalarını teşvik etme odaklı bu araştırma, gelecekteki stratejilere de katkı sağlayabilir.

show abstract

“…Örneğin akıllı telefonlarda yaygın olarak kullanılan mesajlaşma işleminde istenilmeden yanlış, eksik veya hatalı eklemeler yapılabilmektedir. Ayrıca Türkçe spam e-mail filtrelemede karşılaşılan kasıtlı olarak değiştirilmiş ve gürültü eklenmiş sözcüklerin köklerinin tespitinde, önerilen çalışma kullanılabilir [3]. Çalışmamızda benzer birçok problemin, geliştirilen algoritma ile çözülmesi hedeflenmiştir.…”

Section: Introductionunclassified

A novel similarity algorithm for fixing erroneous turkish text and detection of roots

Özdemir

Atas

2014

2014 22nd Signal Processing and Communications Applications Conference (SIU)

View full text Add to dashboard Cite

Özetçe-Dokümansınıflandırma ve metin madenciliğinde kök bulma işlemi yoğun olarak kullanılmaktadır. Metin benzerlik hesaplama yöntemleri genel olarak İngilizce kelimeler üzerine yoğunlaşarak yapılmış ve başarılı sonuçlar elde edilmiştir. Aynı yöntemler Türkçe kelimeler için uygulandığında benzer başarıyı gösterememişlerdir. Bu çalışmada yeni bir benzerlik hesaplama algoritması geliştirilmiştir. Bu algoritma ile Türkçe hatalı yazılan metinlerin en yüksek başarımı ile doğru kelimeyi bulma veya alternatif kelimeleri bulma hedeflenmiştir. Anahtar Kelimeler: Doğal dil işleme, kök bulma, hatalı kelimeleri düzeltme, kelime benzerlik, benzerlik mesafeAbstract-Finding roots of words is widely used in document classification and text mining. Computational methods of text similarity are intensely utilized on the English words and successful outcomes are obtained. On the other hand, applying the aforementioned methods on the Turkish words did not give the similar success.

show abstract

Classification of Turkish spam e-mails with artificial immune system

Cited by 6 publications

References 3 publications

Performance Evaluation of Jaccard-Dice Coefficient on Building Segmentation from High Resolution Satellite Images

Performance Evaluation of Jaccard-Dice Coefficient on Building Segmentation from High Resolution Satellite Images

Early Diagnosis of Paddy Leaf Diseases using Deep Learning Models and Data Preprocessing Techniques

A novel similarity algorithm for fixing erroneous turkish text and detection of roots

Contact Info

Product

Resources

About