Classification of Bee Species Using Support Vector Machines, YSA, K-Means and KNN

Year 2018, Volume: 6 Issue: 1, 47 - 67, 31.01.2018

Hasan Demir , Pakize Erdoğmuş , Meral Kekeçoğlu

https://doi.org/10.29130/dubited.328596

Cited By: 6

Abstract

In this study, it has been aimed at classifying of bee species according to the intersection points on the bee wings. With this aim, intersection points are specified from the wing pictures attained five different city. A basic and novel algorithm is proposed for specifying intersection points on the wings, with minimum error. 27 different features have been obtained using intersection points. After normalasing, these features have been used for classification. Support Vector Machine, Neural Networks, K-means and K-nearest Neighbour have been used as classification and clustering methods. It has been seen that the proposed method has increased the classification performance of the algorithms. The best classification performance have been obtained with Neural Networks using with 27 feature and proposed intersection specifying method.

Keywords

Classification, Honey bee variation, Venation selection algorithm

Destek Vektör Makineleri, YSA, K-Means ve KNN Kullanarak Arı Türlerinin Sınıflandırılması

Abstract

Bu çalışmada arı kanatları üzerindeki kavşak
noktalarına göre arı türlerinin sınıflandırılması amaçlanmıştır. Bu amaçla beş
farklı ilden alınan arı kanat resimleri üzerinde kavşak noktaları
belirlenmiştir. Arı kanatları üzerinde kavşak noktalarının belirlenmesi işleminin
minimum hata ile yapılması için yeni bir algoritma önerilmiştir. Kavşak
noktaları kullanılarak 27 morfolojik özellik çıkarılmıştır. Bu özellikler
normalize edilerek sınıflandırmada kullanılmıştır. Destek vektör makineleri, yapay
sinir ağları, K-Ortalama ve K en yakın komşuluk sınıflandırma yöntemi olarak
kullanılmış, yapay sinir ağları ile sınıflandırma diğer sınıflandırma
yöntemlerine göre daha iyi sonuç vermiştir.  Kavşak noktaları için önerilen algoritmanın
sınıflandırma başarısını arttırdığı görülmüştür.

Keywords

Sınıflandırma, Bal Arısı Varyasyon, Kavşak seçim algoritması

References

• [1] L. Xu, C. Jiang, J. Wang, J. Yuan and Y. Ren, “Information Security In Big Data: Privacy and Data Mining,” IEEE Access, vol. 2, no. 1, pp. 1149–1176, 2014.
• [2] S. Özekes, “Veri Madenciliği Modelleri ve Uygulama Alanları,” İstanbul Ticaret Üniversitesi Dergisi, c. 2, s. 3, ss. 65-82, 2003.
• [3] E. Çomak, “Destek vektör makinelerinin eğitimi için yeni yaklaşımlar,” Doktora tezi, Elektrik Elektronik Mühendisliği Bölümü, Selçuk Üniversitesi, Konya, Türkiye, 2008.
• [4] M. Kayri ve M. Boysan, “Bilişsel Yatkınlık ile Depresyon Düzeyleri İlişkisinin Sınıflandırma ve Regresyon Ağacı Analizi ile İncelenmesi,” Hacettepe Üniversitesi Eğitim Fakültesi Dergisi, c. 1, s. 34, ss. 168–177, 2008.
• [5] A. Gül, N. Sahinler, A.G. Onal, B.K. Hopkins and W.S. Sheppard, “Effects of Diluents and Plasma on Honey Bee (Apis mellifera L.) Drone Frozen-Thawed Semen,” Theriogenology, vol. 1, no. 101, pp. 109–113, 2017.
• [6] F. Ruttner, Biogeography and Taxonomy of Honeybees, 1st ed., Berlin, Germany: Springer Verlag, 1998, ss. 284.
• [7] G.Ö. Özbakır, “Güneydoğu sınır boyu bal arası popülasyonunun morfolojik özellikleri,” Doktora tezi, Biyoloji Bölümü, Ankara Üniversitesi, Ankara, Türkiye, 2011.
• [8] A.Settar, “Ege Bölgesi arı tipleri ve gezginci arıcılık üzerine araştırmalar,” Doktora tezi, Ege Ziraai Araştırma Enstitüsü, İzmir, Türkiye, 1983.
• [9] İ. Kandemir, M. Kence and A. Kence, “Genetic and morphometric variation in 89 honeybee (Apis mellifera) population of Turkey,” Apidology, vol. 31, no. 3, pp. 343–356, 2000.
• [10] M. Kekeçoğlu and M.I. Soysal, “Genetic Diversity of Bee Ecotypes in Turkey and Evidence for Geographical Differences,” Romanian Biotechnological Latters, vol. 15, no. 5, pp. 5646–5653, 2010.
• [11] M. Kekeçoğlu, “Batı Karadeniz Bal Arası Biyoçeşitliliği ve Düzce İlinin Yığılca İlçesinde Yeni Bir Bal Arısı Ekotipi,” Biyoloji Bilimleri Araştırma Dergisi, c. 3, s. 1, ss. 73–78, 2010.
• [12] A. Tofilski, “Using Geometric Morphometrics and Standard Morphometry to Discriminate Three Honeybee Subspecies,” Apidologie, vol. 39, no. 5, pp. 558–563, 2008.
• [13] D.R. Simith, “Genetic Diversity in Turkish Honey Bees,” Uludağ Arıcılık Dergisi, c. 2002, s. 3, ss. 10–15, 2002.
• [14] R. Hepburn and S.E. Radloff, “Apis Mellifera Capensis:an Essay on the Subspecific Classification of Honeybee,” Apidologie, vol. 33, no. 2, pp. 105–127, 2002.
• [15] T.M. Francoy, M. Drauschke, D. Wittmann, S. Müler, V. Steinhage, M.A.F.B. Laure, D.D. Jong and L.Ç. Gonçalves, “Identification of Africanized Hony Bees Through Wing Morphometrics:Two Fast and Efficient Procedures,” Apidologie, vol. 39, no. 5, pp. 488–495, 2008.
• [16] T.M. Francoy, D. Wittmann, V. Steinhage, M. Drauschke, S. Müler, D.R. Cunha, A.M. Nascimento, F.L.C. Figueiredo, Z.L.P. Simoes, D.Dejong, M.C.Arias and L.S.Gonçalves, “Morphometric and genetic changes in a population of Apis mellifera after 34 years of Africanization,” Genetic and Molucular Research., vol. 8, no. 2, pp. 709–717, 2009.
• [17] D.M. Hayes, L.M. Mintonand, K.E. Perez, “Elimia Comalensis (Gastropoda: Pleuroceridae) from the Edwards Plateau, Texas: Multiple Unrecognized Endemics or Native Exotic?,” American Midland Naturalist Journal, vol. 158, no. 1, pp. 97–112, 2007.
• [18] F.J. Rohlf and F.L. Bookstein, “Computing the uniform component of shape variation,” Systematic Biology, vol. 52, no. 1, pp. 66–69, 2003.
• [19] L. R. Monteiro, “Multivariate Regression Models and Geometric Morphometrics: The Search for Causal Factors in the Analysis of Shape,” Systematic Biology, vol. 48, no. 1, pp. 192–199, 1999.
• [20] P.C. Wainwright and S.M. Reilly, “Ecological Morphology: Integrative organısmal Biology,” Mamalogy, vol. 76, no. 4, pp. 1288–1290, 1995.
• [21] Anonim, (4 Ekim 2017). [Online]. Erişim: https://www.researchgate.net/publication/ 246982444_NTSYS-pc_- _Numerical_Taxonomy_and_Multivariate_Analysis_System.
• [22] Anonim, (4 Ekim 2017). [Online]. Erişim: http://life.bio.sunysb.edu/morph/.
• [23] F.J. Rohlf, “On Applications of Geometric Morphometrics to Studies of Ontogeny and Phylogeny,” Systematic Biology, vol. 47, no. 1, pp. 147–158, 1998.
• [24] F.J. Rohlf and D.Slice, “Extensions of the Procrustes Method for the Optimal Superimposition of Landmarks,” System Systematic Zoology, vol. 39, no. 1, pp. 40–59, 1990.
• [25] F.J. Rohlf and R.R. Sokal, Biometry The Principles and Practice of Statistics in Biological Research, 4th ed., New York, USA: W.H. Freeman and Company, 2013, pp. 9-39.
• [26] A. Tofilski, “Discrimination between honeybee subspecies based on geometric morphopmetric,” Second European Conference of Apidology, Praguea, Czech Republic, 2006, pp. 60.
• [27] D.A. Demirci, “Vektör makineleri ile karakter tanıma,” Yüksek lisans tezi, Bilgisayar Mühendisliği Bölümü, Yıldız Teknik Üniversitesi, İstanbul, Türkiye, 2007.
• [28] Ş. Emir, “Yapay sinir ağları ve destek vektör makineleri yöntemlerinin sınıflandırma performanslarının karşılaştırılması: borsa endeks yönünün tahmini üzerine bir uygulama,” Doktora tezi, İşletme Ana Bilim Dalı Bölümü, İstanbul Üniversitesi, İstanbul, Türkiye, 2013.
• [29] M. Altınay, “Yapay sinir ağları kullanarak yüz ifadelerinin belirlenmesi,” Yüksek lisans tezi, Bilgisayar Mühendisliği Bölümü, Atılım Üniversitesi, Ankara, Türkiye, 2012.
• [30] Anonim, (17 Haziran 2017). [Online]. Erişim: http://www.emo.org.tr/ekler/8c1874c96244659_ek.pdf .
• [31] S. Kapil, M. Chawlaand and M.D. Ansari, “On K-means Data Clustering Algorithm with Genetical Agorithm,” Fourth International Conference On Parallel Distributed and Grid Computing (PDGC), Solan, India, 2016, pp. 202-206.
• [32] M. Kekeçoğlu, M. Bouga, M.İ. Soysal and P. Harizanis, “Morphometrics as a Tool for the Study of Genetic Variability of Honey Bees,” Tekirdağ Ziraat Fakültesi Dergisi, vol. 4, no. 1, ss. 07–15, 2007.
• [33] A. Özkan and İ. Kandemir, “Discrimination of Western Honey Bee Populations in Turkey using Geometric Morphometric Methods,” Bee Word Journal, vol. 87, no. 2, pp. 24–26, 2010.
• [34] A. Güler, “A morphometric model for determining the effect of commercial queen bee usage on the native honeybee ( Apis mellifera L.) population in a Turkish province,” Apidologie, vol. 41, no. 2010, pp. 622–635, 2010.
• [35] İ. Çakmak, A.Özkan ve S.S. Çakmak, “Bal Arılarında Kanatların Geometrik Morfometrik Metodu ile Analiz Edilerek Farklı Seviyedeki Varroa (Varooa Destructor) Parazitinin Bulaşıklık Seviyesinin Belirlenmesi konusunda Ön Çalışma,” Uludağ Arıcılık Dergisi, c. 2011, s. 4, ss. 118–123, 2011.
• [36] C.J. Hall, “An Automated Approach to Bee Identification from Wing Venatio,” M.S. thesis, Department of Electrical Engineering, Wisconsin University, Madison, USA, 2011.
• [37] H.A. Sahara, “Morphologıcal Characterızatıon And Wıng Descrıptıon Of Vespa Orıentalıs Orıentalıs Queens,” Journol of Apiculturel, vol. 28, no. 2, pp. 76–80, 2013.
• [38] F.L.D Silva, “Automated bee species identification through wing images,” M.S. thesis, Department of Biology, Sao Paulo University, Sao Paulo, Brazil, 2015.
• [39] Anonim, (22 Ağustos 2017). [Online]. Erişim: http://www.webbee.org.br/bpi/pdfs/livro_03_schroder.pdf. [40] F.J. Szymule and W. Skowronek, “Use of Various Morphological Traits Measured By Microscope or Computer Methods in the Honeybee Taxonomy,” Journol of Apiculturel, vol. 54, no. 2, pp. 88–96, 2010.
• [41] Anonim, (17 Nisan 2017). [Online]. Erişim: http://beedol.cz/dawino/DAWINO_prosp_EN.pdf.
• [42] Anonim, (21 Nisan 2017). [Online]. Erişim: http://ab.org.tr/ab16/bildiri/105.pdf.
• [43] Anonim, (23 Nisan 2017). [Online]. Erişim: https://en.wikipedia.org/wiki/Confusion_matrix.
• [44] F.S. Santana, A.H. Relicosta, F.S. Truzzi, F.L. Silva, S.L. Santos, T.M. Fracoy and A.M. Saraiva, “A Reference Process for Automating Bee Species Identification Based on Wing Images and Digital Image Processing,” Ecological informatics, vol. 24, no. 1, pp. 248–260, 2013.