Görüntüleme
3
Bu çalışmada, destek vektör makinelerinin (SVM) farklı polinom çekirdeklerini içeren regresyon analizleri ele alınmıştır. Linear-svm, quadratic-svm ve cubic-svm regresyon algoritmaları kullanılarak her bir modelin performansı, Box-Constraint, Kernel Scale, Epsilon ve Standardize parametreleri üzerinde gerçekleştirilen optimizasyon süreciyle incelenmiştir. Bu parametrelerin doğru bir şekilde ayarlanması, modelin hata ve yaklaşım metrikleri için kritik önem taşımaktadır. Optimizasyon süreci, Bayesian Optimization algoritması kullanılarak Matlab Regression Learner ile gerçekleştirilmiştir. Hiperparametre optimizasyonu yapılmış polinom tabanlı regresyon modelleri, bitkilerde besin elementlerinin eksikliğini yüksek doğrulukla tahmin edebilmektedirler. Özellikle yapraklardaki kalsiyum miktarının doğru bir şekilde belirlenmesi, elma ağaçlarında meyve gelişim döneminde gübreleme başarısını artırmak açısından önem taşımaktadır. Çalışmamızın uygulama bölümünde yaprak yüzeylerinin sayısallaştırılması ile elde edilen veri setleri ile kimyasal laboratuvar analizlerinden elde edilen veri seti modellenmiştir. SVM algoritmaları kullanılarak yapılan bu çalışma, maliyet ve zaman açısından kimyasal yöntemlere göre daha verimli bir model sunmaktadır.
In this study, regression analysis of support vector machines (SVMs) with different polynomial kernels is discussed. Using linear-svm, quadratic-svm and cubic-svm regression algorithms, the performance of each model is examined through an optimization process on the Box-Constraint, Kernel Scale, Epsilon and Standardize parameters. Setting these parameters correctly is critical for the error and approximation metrics of the model. The optimization process was performed with Matlab Regression Learner using the Bayesian Optimization algorithm. Hyperparameter optimized polynomial-based regression models can predict nutrient deficiency in plants with high accuracy. In particular, accurate determination of calcium content in leaves is important to increase fertilization success during the fruit development period in apple trees. In the application part of our study, data sets obtained by digitizing leaf surfaces and data sets obtained from chemical laboratory analysis were modeled. This study using SVM algorithms provides a more efficient model than chemical methods in terms of cost and time.
Alan : Mühendislik
Dergi Türü : Ulusal
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
