Sürdürülebilir Kalkınma Amaçları

• 3
• 2
• 2
• 1
• 1
• 1

Araştırmacılar(5)

• Akar, Funda
• Atakan, Ahmet
• Han Taş, Mehmet Bilge
• Kaya, Volkan
• Orman, Kamil

• ArticleAçık Erişim2026/r/ebyu/19308
  LandTrendr Algoritması ve Makine Öğrenme Kullanılarak Orman Tahribatı ve İyileşme Süreçlerinin Sınıflandırılması: Milas-Bodrum Örneği

  Taş, Mehmet Akif

  Bu çalışma, zengin orman varlığına rağmen Türkiye'nin yangına en hassas bölgelerinden olan Muğla'nın Milas-Bodrum yöresindeki orman dinamiğini, 2013-2024 periyodu için uzaktan algılama ve makine öğrenmesi yöntemleriyle analiz etmektedir. Analizde, 49 adet Landsat 8 görüntüsünden oluşan zaman serisi verileri kullanılmıştır. Normalize Edilmiş Yanma Oranı (NBR) indeksine dayalı bu veriler, LandTrendr algoritması ile işlenmiş ve ardından Random Forest makine öğrenmesi modeliyle her yıl için "Sağlıklı Orman", "Bozulma" ve "İyileşme" olmak üzere, ekosistemin durumunu yansıtan üç dinamik sınıfa ayrılmıştır. Kantitatif bulgular, 2014-2021 arasında "Bozulma" oranının %24'e gerilediği bir iyileşme döneminin, 2021'deki büyük yangınla dramatik şekilde kesintiye uğradığını ortaya koymuştur. Hem sağlıklı hem de iyileşmekte olan ormanları etkileyen bu olay, "Bozulma" oranını tek bir yılda %47'ye fırlatmış; ancak 2024 itibarıyla "İyileşme" kategorisi tekrar %29'a ulaşarak yeni bir rejenerasyon döngüsünün başladığını teyit etmiştir. Bu çalışma, geleneksel sınıflandırmaların ötesine geçerek, makine öğrenmesi ve zaman serisi analizinin büyük afetlerin ekosistem etkilerini belgelemek ve iyileşme süreçlerini izlemek için sunduğu güçlü metodolojik çerçeveyi ortaya koymaktadır.

  • 
  • 
  İncele
• ArticleAçık Erişim2026/r/ebyu/19291
  Görüntü Şifrelemede RC4 ve Kaotik RC4 Yöntemlerinin Karşılaştırmalı Performans Analizi

  Akar, Funda; Karhan, Muhammed Baki

  Dijital görüntülerin güvenliği hem bireysel kullanıcılar hem de kurumsal uygulamalar için büyük bir öneme sahiptir. Özellikle görüntülerin şifrelenmesi, veri güvenliğini artırmak ve yetkisiz erişimleri engellemek için etkili bir yöntem olarak kullanılmaktadır. Bu bağlamda, simetrik şifreleme algoritmaları ve kaotik sistemlerin bir arada kullanımı, son yıllarda yoğun ilgi görmüştür. Bu çalışmada, yaygın olarak kullanılan RC4 şifreleme algoritması ile kaotik bir sistem olan Logistic Map tabanlı güçlendirilmiş RC4 yöntemi kullanılarak görüntü şifreleme ve şifre çözme işlemleri gerçekleştirilmiş ve karşılaştırmalı analizler yapılmıştır. Performans değerlendirmesi, histogram analizi, korelasyon analizi ve entropi analizi gibi yöntemlerle gerçekleştirilmiştir. Elde edilen sonuçlar, RC4 algoritmasının, görüntü şifreleme ve şifre çözme süresi kaotik sistemle güçlendirilmiş RC4’e göre daha hızlı bir performans sergilediğini göstermiştir. Ancak, kaotik sistemle güçlendirilmiş RC4 yöntemi, histogram, korelasyon ve entropi analizlerinde daha başarılı bulunmuş ve bu yönüyle daha yüksek bir güvenlik sağladığı görülmüştür.

  İncele
• ArticleAçık Erişim2025/r/ebyu/19381
  Comparison Of Analytical Hierarchy Process (AHP) And Frequency Ratio (FR) Methods In Landslide Susceptibility Assessment: A Case Study In Kemah-Kömür Stream Basin, Erzincan

  Taş, Mehmet Akif

  This study compares the Analytic Hierarchy Process (AHP) and Frequency Ratio (FR) methods for landslide susceptibility mapping in the Kömür Stream Basin, Kemah-Erzincan. The performance of the models was comprehensively evaluated using metrics including the Receiver Operating Characteristic (ROC) curve, F1-Score, and overlap rate analysis. The results revealed that the statistics-based FR model Area Under the Curve (AUC) = 0.884, F1-Score = 0.87 significantly outperformed the expert opinion-based AHP model (AUC = 0.699, F1-Score = 0.68) for across all metrics. In the overlap rate analysis, which demonstrates the practical validity of the models, 92.7% of the existing landslide areas fell within the 'High' and 'Very High' susceptibility classes on the FR map compared to 73.7% on the AHP map. These findings prove that the FR method is a reliable and precise tool for identifying high-risk areas and for land-use planning in the region.

  İncele
• ArticleAçık Erişim2024/r/ebyu/19846
  Analitik Hiyerarşi Süreci (AHS) Metodu İle Of İlçesi’nde (Trabzon) Heyelan Risk Duyarlılığı Analizi

  Şenol, Celal; Taş, Mehmet Akif; Yanik, Muhammet Enes

  Çalışma alanı olan Trabzon’a bağlı Of ilçesinde topografik özellikler ve iklim hususiyetleri bakımından heyelan afetinin gerçekleşme potansiyeli yüksektir. Son yüz yılda 26’sı ölümle sonuçlanan onlarca heyelan afetine maruz kalan Trabzon’da sadece Of ilçesi 4 adedi ölümlü olmak üzere onlarca maddi hasarlı heyelan afetinden etkilenmiştir. Ortalama eğim ve yükseltinin fazla olması ve yağışın yıllık miktarının (1659,4 mm) ülke ortalamasının (643 mm) oldukça üzerinde olması bu durumu ortaya çıkaran en önemli etkenlerdir. Bu bağlamda Coğrafi Bilgi Sistemleri (CBS) kullanılarak uluslararası mecrada etkinliği ve geçerliliği olan metotlarla heyelan risk analizlerinin yapılması oldukça önemli bir hale gelmiştir. Bu analiz yöntemlerinden olan ve heyelan risk analizi çalışmalarında son yıllarda en çok kullanılan yöntemlerden biri olan ve Analytical Hierarchy Process (AHP) olarak literatüre geçen Analitik Hiyerarşi Süreci (AHS) çalışma alanına uyarlanmıştır. SentinelHub, NASA, Corine, HGM, MTA gibi birçok ulusal ve uluslararası kuruluştan elde edilen veriler ışığında Of ilçesinin AHS ile heyelan risk analizi oluşturulmuştur. Bunun sonucunda ilçenin heyelan bakımından %23’lük bir bölümüne tekabül eden 60 km2 alanında riskli ve çok riskli, %26’sına tekabül eden 67,7 km2 alanında orta ve %51’ine karşılık gelen 132,4 km2 alanda düşük ve çok düşük heyelan riski tespit edilmiştir. Bu analizler sonucunda elde edilen bilgiler dikkate alınarak gerek afet yönetim sürecinde gerekse diğer ilgili alanlarda çalışan paydaşların heyelan afetine karşı hazırlıklı olmaları amaçlanmıştır.

  • 
  • 
  İncele
• ArticleAçık Erişim2024/r/ebyu/19844
  Data correlation matrix-based spam URL detection using machine learning algorithms

  Akar, Funda

  In recent years, the widespread availability of internet access has brought both advantages and disadvantages. Users now enjoy numerous benefits, including unlimited access to vast amounts of information and seamless communication with others. However, this accessibility also exposes users to various threats, including malicious software and deceptive practices, leading to victimization of many individuals. Common issues encountered include spam emails, fake websites, and phishing attempts. Given the essential nature of internet usage in contemporary society, the development of systems to protect users from such malicious activities has become imperative. Accordingly, this study utilized eight prominent machine learning algorithms to identify spam URLs using a large dataset. Since the dataset only contained URL information and spam classification, additional feature extractions such as URL length and the number of digits were necessary. The inclusion of such features enhances decision-making processes within the framework of machine learning, resulting in more efficient detection. As the effectiveness of feature extraction significantly impacts the results of the methods, the study initially conducted feature extraction and trained models based on the weight of features. This paper proposes a data correlated matrix approach for spam URL detection using machine learning algorithms. The distinctive aspect of this study lies in the feature extraction process applied to the dataset, aimed at discerning the most impactful features, and subsequently training models while considering the weighting of these features. The entire dataset was used without any reduction in data. Experimental findings indicate that tree-based machine learning algorithms yield superior results. Among all applied methods, the Random Forest approach achieved the highest success rate, with a detection rate of 96.33% for the non-spam class. Additionally, a combined and weighted calculation method yielded an accuracy of 94.16% for both spam and non-spam data.

  İncele
• ArticleAçık Erişim2024/r/ebyu/19709
  Performance Analysis of NLP-Based Machine Learning Algorithms in Cyberbullying Detection

  Akar, Funda

  In today's pervasive online landscape, the escalating threat of cyberbullying demands advanced detection and mitigation tools. This study utilizes Natural Language Processing (NLP) techniques to confront this imperative challenge, particularly in the dynamic realm of social media, focusing on tweets. A comprehensive NLP-based classification methods is deployed to uncover instances of cyberbullying. Nine prominent machine learning algorithms are meticulously evaluated: Logistic Regression, Decision Tree, Random Forest, Naive Bayes, K-Nearest Neighbor, Support Vector Machine, XGBoost, AdaBoost, and Gradient Boosting. Through the analysis, encompassing accuracy, precision, recall, and F1 score metrics, the study offers insights into the strengths and limitations of each approach. The findings carry profound implications for online user safeguarding and cyberbullying prevalence reduction. Notably, Random Forest and XGBoost classifiers emerge as pioneers with accuracy rates of 93.34% and 93.32%, respectively. This comparative research underscores the pivotal role of expert algorithmic choices in addressing the urgency of cyberbullying and has the potential to be a valuable resource for academics and practitioners engaged in combatting this pressing societal issue.

  İncele
• ArticleAçık Erişim2024/r/ebyu/19093
  Detection of Lung Cancer Cells Using Deep Learning Methods

  Akar, Funda; Genç, Muhittin

  Lung cancer stands out as a high mortality, fatal disease worldwide. Early diagnosis is crucial for effective treatment of this disease; however, treatment options can be limited when it is often diagnosed in advanced stages. This study examines the role of artificial intelligence (AI) techniques in early diagnosis of lung cancer and emphasizes the advantages it provides. Particularly, the ability of deep learning algorithms to extract meaningful features from complex datasets indicates significant potential for detecting early stages of lung cancer. In this context, it is anticipated that AI-supported diagnostic systems have the potential to significantly improve lung cancer diagnostic methods by reducing the workload of radiologists and increasing accuracy rates. In this study, a total of 6 datasets were obtained by applying Gabor filter and Histogram Equalization+CLAHE filter to original datasets. The results obtained in the diagnosis of lung cancer using Convolutional Neural Networks (CNN) and YOLO algorithms are evaluated in two different categories. One of these categories is the investigation of the effect of image preprocessing methods. The other is the investigation of the effect of dataset partitioning into training, testing, and validation on success. According to the results obtained, the highest success rate in terms of F1 Score for the CNN model was achieved in both dataset partitioning (70%-20%-10% and 60%-20%-20%) with the datasets subjected to Histogram Equalization+CLAHE filter. It was obtained as 99%. For the YOLO model, the highest success rate was determined as 96% F1 Score with the same preprocessing technique and dataset partition. The effect of image preprocessing and dataset partitioning on success is not as high in the YOLO model as it is in the CNN model.

  • 
  İncele
• ArticleAçık Erişim2023/r/ebyu/20271
  Trends of changing land use dynamics in the Terkos Lake basin between 1980 and 2023 and their impact on natural ecosystems

  Şenol, Celal; Taş, Mehmet Akif

  Anthropogenic processes are one of the main causes of environmental change in this century. As an indicator of man’s struggle for dominance over nature, the environment has been directly affected. These changes, which we encounter in every region of the place where we live, on a local and global scale, and which are due to man, cause the natural cycle of ecosystems to be disrupted. As in Türkiye in general, land use changes in the study area under the influence of direct and indirect factors in some regions are very rapid. No matter how much effort are made to control them, factors that have a direct impact on the environment, such as population growth, agriculture, industrial facilities, and the design of transport infrastructure, are the most important causes of change. In this direction, this study aims to identify the trends of land use changes around Lake Terkos and to reveal the deficiencies and fragilities of the relationship networks. It is also an indication of possible changes in the ecological status of the lake and its surroundings in relation to this situation. Terkos Lake’s prolonged use as a crucial drinking water source for Istanbul makes it a valuable study site to investigate its ecological state and management practices. Nevertheless, it has recently been under pressure due to transportation (airport, Northern Marmara Motorway, Istanbul Canal and other transport networks), urban sprawl, and industry. In this context, first of all, the dynamics of land use and the rapidly changing areas (hot zones) between 1980 and 2023 have been identified and the extent of the changes over time has been shown. Possible future land use changes were analysed in the light of this data. As a result of the study, the speed of transformation of green areas was revealed. In this direction, especially in the field of the aquatic ecosystem, vulnerable areas were identified, the degree of being affected by future change was revealed and the trend in the dimensions of use and change was analysed.

  • 
  • 
  • 
  • 
  İncele
• ArticleAçık Erişim2022/r/ebyu/20444
  Copy move forgery detection with SURF and MSER combination

  Akar, Funda; Aydın, Yıldız

  Because digital images may contain a variety of data, they are regarded as an important source for information sharing. Also, images are widely used as evidence in a variety of real-life cases. The rapid rise in popularity of digital photographs is due to the improvement of technologies. Several software programs have been developed in recent years to modify digital images, such as Photoshop and Corel Photo, however these programs are now being used extensively for forgery. Because of technological advancements, it is difficult for people to recognize faked images with their naked eyes Therefore, in this study, the features used in forgery detection problems are combined to ensure accurate labeling of even forgery images that are difficult to detect. Stronger feature is obtained by combining Speeded-Up Robust Features (SURF) and Maximally Stable Extremal Regions (MSER). Considering the experimental results; it has been observed that the use of the proposed method, which is obtained as a result of combining the two methods in copy-move forgery detection problems, is more successful than using the SURF and MSER features separately.

  İncele
• ArticleAçık Erişim2022/r/ebyu/20372
  Derin Öğrenme Modeli ile Yüz İfadelerinden Duygu Tanıma

  Akgül, İsmail; Akar, Funda

  Yüz ifadesinden duygu tanıma; insan-bilgisayar etkileşimi, duygusal hesaplama vb. gibi birçok bilgisayarla görme alanında uygulanabilen güncel bir araştırma konusudur. Bu çalışmada, KDEF ve PICS veri setleri kullanılarak derin öğrenme ile duygu tanımaya yönelik bir uygulama yapılmıştır. Öznitelik çıkarımı için derin öğrenme tekniklerinden olan ve yapay sinir ağları içeren bir yapay zekâ yaklaşımı olan Evrişimsel Sinir Ağı (ESA) kullanılarak yeni bir model geliştirilmiştir. Derin öğrenmenin yüksek başarımı için büyük veri setine ihtiyaç duyulmaktadır. KDEF veri setinde 4900, PICS veri setinde 322 görüntü bulunmaktadır. Bu amaçla öncelikle PICS veri setindeki görüntü sayısının az olmasından dolayı veri artırma yöntemi ile görüntü çoğaltma işlemi uygulanmıştır ve PICS veri seti 4830 görüntüye çıkarılmıştır. Daha sonra bu iki farklı veri seti üzerinde ayrı ayrı eğitim gerçekleştirilerek geliştirilen yeni model test edilmiştir. ESA modellerinden olan VGGNet temel alınarak geliştirilen yeni model ile gerçekleştirilen çalışmada, her bir veri setinde yedi farklı duygu sınıfı (korku, öfke, iğrenme, mutluluk, nötr, üzüntü, şaşırma) ele alınmıştır. Geliştirilen model ile KDEF veri setinin geçerleme kümesinde %97.44, PICS veri setinin geçerleme kümesinde %98.24 doğruluk değerleri elde edilerek yüksek bir başarı oranına ulaşılmıştır.

  İncele