LBP Özelliklerine Dayanan Lokasyon Koruyan Projeksiyon (LPP) Boyut Azaltma Metodunun Farklı Sınıflandırıcılar Üzerindeki Performanslarının Karşılaştırılması

Goruntu hucreleri Isik Mikroskop yardimiyla alinmistir. Yerel ikili oruntu (LBP) ozellikleri orijinal goruntuler icin elde edilmistir. Bu goruntulerin LBP ozelliklerinin yuksek boyutu, Lokasyon Koruyan Projeksiyon (LPP) ile daha dusuk boyuta indirgenir. Bu dusuk boyutlu veriler Rastgele Orman (RF), Naive Bayes (NB) ve Yapay Sinir Aglari (ANN) siniflandiricisi tarafindan siniflandirilmistir. Yapilan siniflandirma sonuclari daha onceden yapilan calismalar ile karsilastirilmistir. ANN siniflandiricisiyla elde edilen performans RF ve NB siniflandiricina gore daha yuksektir. Ustelik, ANN siniflandiricisinda kullanilan ozellik vektor boyutu, RF ve NB siniflandiricilarinda kullanilan ozellik vektoru boyutundan daha dusuktur. LPP Yontemine gore ANN, RF ve NB siniflandiricilari ile elde edilen basari oranlari sirasiyla% 96.29,% 74.44 ve% 70.00'dir.