Tez No	İndirme	Tez Künye	Durumu
515803		Indexing both content and concept for high-dimensional multimedia data / Çok boyutlu çokluortam veri erişimi için içerik ve anlam dizinleme Yazar:SERDAR ARSLAN Danışman: PROF. DR. ADNAN YAZICI Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora İngilizce 2018 116 s.
İnsanlar için çokboyutlu nesnelerinin içeriğinin algılanması cok kolay ve hızlı bir şekilde olabilirken bu süreç bilgisayarlar için daha zordur. Bu problem genellikle çokboyutlu nesnelerinin anlamsal özellikleri ile matematiksel özellikleri arasında oluşan anlamsal boşluk olarak adlandırılır. Dolayısıyla çokboyutlu nesneleri üzerinde etkin bir sorgulama yöntemi geliştirmek için bu iki farklı tipteki özelliklerin uygun bir şekilde birleştirilebilmesi gerekmektedir. Büyük boyutlu verilerde bilgiye erişim ve sorgulama noktasında etkin bir benzerlik araması önemli bir noktadır. Literaturdeki çalışmalarda görülmüştür ki sorguların örnek nesne, yazı ya da içerik verilerinin birlikte kullanılarak yapılması sistem performansını arttıran bir unsurdur. Hesaplamaların karmaşıklığı ve sistemin kullanılabilirliği diğer önemli konulardır. Bu çalışmada çokboyutlu verilerin etkin bir şekilde sorgulanması ve getirilmesi noktasında anlamsal boşluk olarak adlandırılan genel problemin giderilmesine yönelik etkin bir yöntem uygulanmıştır. Ayrıca sorguların hızlı bir şekilde sonuçlanması için iki farklı dizin yapısı kullanılmıştır ve bu yapılar anlamsal ve matematiksel özellikleri bir arada kullanmaktadır. Bu yaklaşım ile veriye erişme problemi etkin bir boyut azaltma yöntemi kullanılarak az boyutlu evrende dizinleme noktasına evrilmiş ve sorgulamalar daha az boyutlu evrende yapılarak orijinal cok boyutlu evrenlerine gore daha hızlı bir şekilde yapılmıştır.
While understanding the semantic meaning of multimedia content is immediate for humans, it's far from immediate for a computer. This problem is commonly known as the semantic gap which is difference between human perception of multimedia object and extracted low-level features and it is one of the main problems in multimedia retrieval. Thus, in order to achieve better retrieval performance, low-level content features should be combined with semantic features in an efficient way. Another critical task in this domain is efficient similarity search of multimedia object in large collections. According to various studies in the literature, using query by content and concept approaches together may not only enhance performance, but also functionality of the overall system. In this study, we focus on the retrieval process of multimedia data by combining semantic information with the content of the data in order to try to solve the semantic gap problem in an efficient way. The low-level content features are extracted and mapped from high-dimesional space into low-dimensional space by using a fast dimension reduction algorithm. Thus, we have showed that our approach can reduce the retrieval problem to a spatial-indexing task and accuracy of the retrieval performed in low- dimensional space is shown to be comparable to that of the retrieval performed in the original space. High-level concept descriptors are combined with these low-level content descriptors as a new dimension and indexed together in a single structure. We also propose another index structure which uses spatial indexing method for low-level features in order to show the effectiveness of our novel approach and we proved that our study has performance enhancement in query response time of retrieving big-sized multimedia objects since it indexes content and conceptual data together for fast retrieval.