Saraçoğlu, RıdvanNematı, Nooshın2025-05-102025-05-102020https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=wf-FPgY-5qjHEzEoOgvMs8kME0KQdTFIhNsiB59VlK8-UpSE_4VTOdsAenJvFvOuhttps://hdl.handle.net/20.500.14720/23527Araç algılama ve tanımlama, trafik kontrolü ve yönetimi alanında önemli bir işlevdir. Genellikle bu işlevin ele alınması, büyük veri kümeleri ve alana özgü özellikler üzerinde çalışmayı gerektirir. Bu verilere en iyi şekilde uyacak modelin bulunmasına çalışılır. Ayrıca veriler için hazırlanan bu model temelde görüntü içindeki ögeleri tanımayı amaçlar. Bir başka deyişle ögeleri ayırt edebilmeyi veya doğru sınıflara atamayı amaçlar. Bu açıdan bir görüntü sınıflandırması yapılır. Bu çalışmada hareketli görüntüler için bir araç tanıma ve sayma uygulaması gerçekleştirilmiştir. Görüntü segmentasyonu için Bulanık C Ortalamalar ve görüntü sınıflandırması için Destek Vektör Makinesi (DVM)tercih edilmiştir. Kullanılacak olan bu yöntemlerinin güncel olmaları önemli bir özellikleridir. DVM, hem regresyon hem de desen tanıma için geçerli olan güncel bir evrensel öğrenme makinesidir. Makine öğrenmesinde DVM'ler, verileri analiz eden ve kalıpları tanıyan ilişkili öğrenme algoritmaları üzerinde çalışan denetimli öğrenme modelleridir. Anahtar kelimeler: Araç tanıma, Bulanık C-ortalamalar, Destek vektör makinesi, KümelemeVehicle detection and identification is an important function in the field of traffic control and management. Often handling this function requires working on large data sets and site-specific features. This model, which is prepared for the data, aims to recognize the elements in the image. In other words, it aims to distinguish items or assign them to the correct classes. In this study, a vehicle recognition and counting application was performed for moving images. Fuzzy C Means for image segmentation and Support Vector Machine (DVM) for image classification were preferred. It is important that these methods to be used are up to date. DVM is a current universal learning machine for both regression and pattern recognition. In machine learning, DVMs are supervised learning models that work on associated learning algorithms that analyze data and recognize patterns. Keywords: Vehicle recognition, Fuzzy C-means, Support vector machine, ClusteringtrElektrik ve Elektronik MühendisliğiElectrical and Electronics EngineeringMaster Thesis