Use of multiple attractor cellular automata for dimension reduction

Peldek, Serkan; Becerikli, Yaşar

doi:10.1109/ubmk.2017.8093528

Cited by 2 publications

(1 citation statement)

References 8 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Cezbedicilerin örüntü çekme yetenekleri yüz tanıma [41], hareket tanıma [42], boyut azaltma [43] gibi bir birinden farklı alanlarda kullanılmıştır. Peldek ve Becerikli cezbedici durumların örüntü çekme yeteneklerini boyut azaltmada kullanmışlardır [43]. Yapılan çalışmada cezbediciler benzer özellikleri temsil eden kuvvetli özellik olarak değerlendirilmiş ve özellik uzayı azaltılmıştır.…”

Section: Başlıkla İlgili çAlışmalar(topic Related Work)unclassified

Hücresel Otomata Tabanlı İkili Sınıflandırma

Peldek

Becerikli

2019

Bilişim Teknolojileri Dergisi

Self Cite

View full text Add to dashboard Cite

Özet-Bu çalışmada lineer olmayan hücresel otomatlar ikili örüntü sınıflandırmada kullanılmıştır. Hücresel otomatlar ilk olarak günümüz bilgisayar mimarisinin çalışma prensiplerini belirleyen Von Neumann tarafından biyolojik canlıların kendini yenileme yeteneklerini modellemek için önerilmiştir. Hücresel otomatlar, ızgara düzlemindeki hücrelerin etrafındaki hücrelerle etkileşime bağlı durum güncelleme mantığına dayanan hesaplama modeline sahiptir. Hücresel otomatlar üzerine yapılan çalışmalarda bazı durumların diğer durumlarla dinamik bir etkileşim içerisinde olduğu gözlemlendi. Bu durumlar diğer durumları etrafında toplayan ve çekim merkezi formunda hareket eden davranışlar sergiliyorlardı. Çekim merkezi formunda hareket eden durumlara cezbedici durum(veya cezbedici kap) adı verildi. Cezbedicilerin dinamik davranışları, bir örüntünün diğer örüntüleri çekmesi olarak ele alınması hücresel otomatların örüntü tanıma ve sınıflandırmada kullanma potansiyelini ortaya çıkarmıştır. Hücresel otomata tabanlı ilk örüntü tanıma yöntemleri XOR ve XNOR mantığına göre durum güncellemesi yapan kurallar kullanan lineer yöntemlerdir. Daha sonra lineer yöntemlerin kısıtlarını aşmak için lineer olmayan yöntemler geliştirilmiştir. Bu çalışmada cezbedici durumların nitelenmesi için erişilebilirlik ağacı tabanlı lineer olmayan yöntemler kullanılmıştır. Cezbedici durumlar farklı veri setleri üzerinde ikili sınıflandırma amacı ile kullanılmıştır. Elde edilen sonuçlar daha önce yapılan hücresel otomata tabanlı örüntü tanıma yöntemleri ve diğer yöntemlerle karşılaştırılmıştır.Anahtar Kelimeler-hücresel otomata, çoklu cezbedici hücresel otomatlar, ikili sınıflandırma Cellular Automata Based Binary ClassificationAbstract-In this study, nonlinear cellular automata were used for binary pattern classification. Cellular automata were first proposed by Von Neumann, who determined the working principles of today's computer architecture, to model the self-renewal abilities of biological beings. Cellular automata have a computational model based on the state update logic due to the interaction with the cells around the cells in the grid plane. Studies on cellular automata have shown that some states are in a dynamic interaction with other states. These states gathered other states around itself and acted in the centre of attraction. States that behave in the form of attraction centre are called attractor state(or attractor basin). The dynamic behaviours of the attractor were considered as a pattern of attracting other patterns and revealed the potential of using cellular automata in pattern recognition and classification. The first pattern recognition methods based on cellular automata are linear methods that use rules that update the state according to XOR and XNOR logic. Later nonlinear methods have been developed to overcome the limitations of linear methods. In this study, reachability tree based nonlinear methods are used to characterize the attractors. Attractor states are used for binary classification purposes on different data sets. The resu...

show abstract

Section: Başlıkla İlgili çAlışmalar(topic Related Work)unclassified

Hücresel Otomata Tabanlı İkili Sınıflandırma

Peldek

Becerikli

2019

Bilişim Teknolojileri Dergisi

Self Cite

View full text Add to dashboard Cite

show abstract

GMACA ile Hareket Tespiti Yapılan Video Görüntülerde İnsan Hareketlerinin Tanınması

Peldek¹,

Becerikli²

2018

Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi

Self Cite

View full text Add to dashboard Cite

Highlights:Graphical/Tabular Abstract  The ability of the generalized multiple attractor cellular automata (GMACA) to attract the patterns was used in image processing.  Motion detection has been performed on video images with GMACA.  Motion detection images detected with the GMACA have been used to recognize human actions is a complex computer vision problem. Figure A. Recognition of human action in motion detected image with GMACAPurpose: Generalized Multiple Attractor Cellular Automata (GMACA) is the type of Cellular Automata applied to more than one cell using the rule vector. Obtaining the rule vector in the application of the GMACA has a critical precaution. The purpose of the present study is to recognize human action in motion detected images obtained with GMACA. Theory and Methods:In this study, the GMACA rule vector, which is required to produce a single-length cycle attractor, was obtained using reachability tree-based methods. Detection of human motion in video images has been accomplished using attractors generated by the rule vector. In the developed action recognition method, the video images are first converted to the gray color space. Then, the GMACA rule vector to be used for motion detection is created.Motion detection is performed using GMACA. The HOG feature vector is extracted from the motion detection images and the resulting HOG feature vectors are labeled according to their motion. The dataset is created in this way. The generated dataset is decomposed into training and test data sets by cross-validation. Recognition of human action is performed by the SVM method. Experimental results are shown by the confusion matrix Results:The overall accuracy rate on the KTH dataset is 72.7%. The accuracy rates of boxing and hand clapping actions are 83% and 82%, respectively. The overall accuracy rate on the WEIZMANN data set is 77.3%. Accuracy rates for on-the-spot actions in the WEIZMANN dataset up to 98%. These ratios indicate that the motion detection method using GMACA can be used in action recognition applications. Conclusion:In this study, action recognition using motion detection images obtained with GMACA shows that the developed method can be used in complex computer vision applications. The operating logic, which allows for discrete and simultaneous calculation, makes the use of cellular automata in image processing and computer vision applications advantageous.

show abstract

Use of multiple attractor cellular automata for dimension reduction

Cited by 2 publications

References 8 publications

Hücresel Otomata Tabanlı İkili Sınıflandırma

Hücresel Otomata Tabanlı İkili Sınıflandırma

GMACA ile Hareket Tespiti Yapılan Video Görüntülerde İnsan Hareketlerinin Tanınması

Contact Info

Product

Resources

About