Tez No	İndirme	Tez Künye	Durumu
93270	Bu tezin, veri tabanı üzerinden yayınlanma izni bulunmamaktadır. Yayınlanma izni olmayan tezlerin basılı kopyalarına Üniversite kütüphaneniz aracılığıyla (TÜBESS üzerinden) erişebilirsiniz.	A Unifying theory for rank-based multiple classifier systems, with applications in speaker identification and speech recognition / Sıralama temelli çoğul sınıflayıcılı sistemler için bütünleştirici bir kuram ve otomatik konuşmacı ve konuşma tanıma uygulamaları Yazar:AFŞAR SARANLI Danışman: PROF. DR. MÜBECCEL DEMİREKLER Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Elektrik-Elektronik Mühendisliği Ana Bilim Dalı Konu:Elektrik ve Elektronik Mühendisliği = Electrical and Electronics Engineering Dizin:Konuşma tanıma sistemleri = Speech recognition systems ; Sınıflandırıcı sistemler = Classfier systems ; Örüntü tanıma = Pattern recognition	Onaylandı Doktora İngilizce 2000 173 s.
oz SIRALAMA TEMELLİ ÇOĞUL SINIFLAYICILI SİSTEMLER İÇİN BÜTÜNLEŞTİRİCİ BİR KURAM VE OTOMATİK KONUŞMACI VE KONUŞMA TANIMA UYGULAMALARI Saranlı, Afşar Doktora, Elektrik ve Elektronik Mühendisliği Bölümü Tez Yöneticisi: Prof. Dr. Mübeccel Demirekler Şubat 2000, 154 sayfa Bu çalışmada, sıralama temelli çoğul sınıflayıcılı sistemlerde karar tümleştirme probleminin kuramsal bir incelemesi sunulmakta ve bu tür sistemlerin pek çoğu nun anlaşılabilmesi için bütünleştirici bir kuram geliştirilmektedir. Sıralama temelli karar tümleştirme, enyükseklenecek amaç fonksyonunun top lam doğru sınıflama olasılığı olduğu bir kesikli eniyileme problemi olarak formüle edilmektedir. Bu formulasyon, sınırlayıcıların bir çapraz-geçerleme veri gurubu üzerinde işlerken gözlemlenmesi ile elde edilmesi gereken bir gurup sınırlayıcı göz lem istatistikleri ortaya koymaktadır. Ortaya çıkan ikili programlama problemi-nin basit ve küresel bir çözümü olmakla birlikte bunun engelleyici derecede çok gözlem istatistiği gerektirdiği gösterilmektedir. Bu yüksek boyutsalhğı daralta bilmek için, gözlem uzayı guruplamaya dayalı bir yöntem geliştirilmektedir. Bu kuramsal yaklaşım altında gözlem istatistiklerinin sayısı, eldeki çapraz-geçerleme veri seti ile kestirilebilecek makul sayılara indirgenebilmektedir. Sınıflayıcılar hakkındaki önceden varolan bilgiler ve makul varsayımlar probleme kaynaştırı larak belli guruplamalar elde edilebilmektedir. Ayrıca, bazı özel guruplamalar, literatürde yer alan En Yüksek Sıra, Borda Sayım ve Logaritmasal Geri Alım yöntemlerini vermekte, ayrıca Tip 1 ve Tip 2 sistemler arasındaki ilişkiyi ortaya koymaktadır. Çalışmada ayrıca, tümleştirilen sınıflayıcılar arasındaki ilişkisizlik ve tamam layıcılık kavramları, Bilgi Kuramı'ndan temel prensipler kullanılarak incelen mekte ve bunlar üzerine ölçütler geliştirilmektedir. Tümleştirme ile başarım arttırımı için belirleyici olan Hükmetme Şartı geliştirilmektedir. Sınıflayıcıların ilişkisizliğinin, tamamlayıcılıkta doğrudan bir rol oynamadığı ortaya konmaktadır. Son olarak, kuramın potansiyeli ve gerçekleme ile ilgili konular, kuramın ve varolan yöntemlerin karşılaştırmalı olarak, konuşma işleme alanından iki gerçekçi probleme uygulanması ile ele alınmakta ve başarılı sonuçlar gözlenmektedir. Anahtar Kelimeler: İstatistiksel Çoğul Sınıflayıcılı Sistemler, Sıralama-Taban- lı Karar Tümleştirme, Sınırlayıcı Gözlem Uzayı, Olay Uzayı Guruplama, Örün- tü Tanıma, İlişkisizlik, Tamamlayıcılık, Konuşmacı Tanıma, Knuşma Tanıma vı
ABSTRACT A UNIFYING THEORY FOR RANK-BASED MULTIPLE CLASSIFIER SYSTEMS, WITH APPLICATIONS IN SPEAKER IDENTIFICATION AND SPEECH RECOGNITION Saranh, Afşar Ph.D., Department of Electrical and Electronics Engineering Supervisor: Prof. Dr. Mübeccel Demirekler January 2000, 154 pages This thesis presents a theoretical investigation of the rank-based multiple classifier decision combination problem and develop a unified framework to understand a variety of such systems. The rank-based combination is formulated as a discrete optimization problem with the total probability of correct decision as the objective function to be maximized. This formulation introduces a set of classifier observation statistics to be estimated by observing the classifiers operate on a cross-validation test set. The resulting binary programming problem is shown to have a simple global moptimum solution but requiring prohibitive number of observation statistics. To reduce this dimensionality, a method based on observation space partitioning is developed. By this formalism the number of observation statistics can be reduced to levels feasible to estimate from the available cross-validation test data. Specific partitionings can be defined when reasonable assumptions or prior knowledge about the classifiers are incorporated into the problem. Also, certain specific partitionings effectively lead to the Highest Rank, Borda Count and Logistic Regression methods from the literature and establish the links between Type 1 and Type 2 systems. The concepts of independence and complementariness of combined rank-based classifiers are investigated using basic concepts from Information Theory and mea sures on independence and complementariness are developed. The Dominance condition is developed as an indicator of performance improvement through com bination. Independence of classifiers is shown to have no direct role in classifier complementariness. Finally the potential of the theory and practical issues in implementation are comparatively illustrated by applying the theory and the existing methods in two real-life pattern recognition problems from speech processing with encouraging results. Keywords: Statistical Multiple Classifier Systems, Rank-Based Decision Combi nation Fusion, Classifier Observation Space, Event-Space Partitioning, Pattern Recognition, Independence, Complementariness, Speaker Identification, Speech Recognition IV "EG îftelKÖ?RElTbfl KUOTMJ POiaÖMMTIKiSYOM «masifi