Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2020
Tezin Dili: Türkçe
Öğrenci: MUHAMMED MUTLU YAPICI
Eş Danışman: NURETTİN TOPALOĞLU, ADEM TEKEREK
Özet:El yazısı imzalar bankacılık, hukuk ve finans gibi birçok alanda yüzlerce yıldır kullanılmaktadır. Elde edilebilirliği kolay bir biyometrik olması sebebiyle gündelik hayatta sıklıkla tercih edilmektedir. Hukuki açıdan kişilere maddi manevi birçok sorumluluk yükleyen imzaların bu kadar yaygın kullanılan bir kimlik doğrulama tekniği olması, kötü niyetli kişiler tarafından taklit edilerek sıklıkla suiistimal edilmesine sebep olmaktadır. Bu sebeple imzaların gerçekliğinin veya sahteliğinin tespit edilerek doğrulanabilmesi önemli bir araştırma konusudur. İmzalar yüksek kişisel değişkenliği barındırdıklarından, aynı kişiye ait farklı zamanda atılmış imzalar arasında bile ciddi farklılıklar görülmektedir. Buda imza doğrulamayı günümüzde de çözülmesi zor bir problem yapmaktadır. Tez çalışması kapsamında çevrimdışı el yazısı imza doğrulama alanının iki önemli problemine çözüm getirilmiştir. Birinci problem imza verilerinin yetersiz olması ve ikincisi de geliştirilen sistemlerin doğrulama başarının düşük olmasıdır. Çevrimdışı imzalar gerçek hayatta sınırlı miktarda elde edilebildikleri için yapay zekâ yöntemlerinin eğitilmesinde yetersiz kalmaktadırlar. Bu çalışma kapsamında derin öğrenme temelli yeni bir veri artırma yöntemi kullanılarak yetersiz veri sorununa çözüm getirilmiştir. Yine derin öğrenme temelli bir sınıflandırma yöntemiyle imza doğrulama alanındaki başarı artırılmış ve çevrimdışı imza doğrulama alanına katkı sağlanmıştır. Cycle-GAN temelli veri artırma yöntemi sistemin başarısını %86,6 ‘dan %96,8 gibi yüksek bir orana getirmiştir. Veri artıma yöntemiyle birleştirilerek oluşturulan CapsNet temelli sınıflandırma yöntemi çevrimdışı imza doğrulama alanında en çok tercih edilen iki veritabanı olan GPDS ve MCYT veritabanlarında test edilmiştir. Önerilen sistem MCYT-75 veri kümesi üzerinde 10 gerçek imza ile %2,58(± 0,43) EER ve %98,06 F1 puanı elde ederek literatürdeki en iyi sonuca ulaşmıştır. Yine aynı veritabanı üzerinde 5 Gerçek imza ile elde edilen %8,95(±0,47) EER oranı literatürdeki en iyi ikinci başarı olmuştur