Please use this identifier to cite or link to this item: https://hdl.handle.net/11147/12456
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorAltun, Keremen_US
dc.contributor.authorÖzdemir, Muhammed Eminen_US
dc.date.accessioned2022-09-21T13:54:18Z-
dc.date.available2022-09-21T13:54:18Z-
dc.date.issued2022-07en_US
dc.identifier.urihttps://hdl.handle.net/11147/12456-
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=sELqxhTlFGAjsbjOuuiyCKHs4rFTeoyxBb23EHcxbRwVF8J4VZJZn6H5E7UcDyvx-
dc.descriptionThesis (Master)--Izmir Institute of Technology, Mechanical Engineering, Izmir, 2022en_US
dc.descriptionIncludes bibliographical references (leaves. 45-49)en_US
dc.descriptionText in English; Abstract: Turkish and Englishen_US
dc.description.abstractNowadays, wearable sensors are used for many applications such as healthcare, animation, sports, to name but a few. In this study, they are used to recognize volleyball activities such as digs, blocks, serves and spikes. These activities are normally followed by statisticians on the field, their presences and frequencies are noted by them to be recorded at the match report. This study focuses on automating this procedure and identifying/recognizing them using wearable sensors. Five Xsens MTw Awinda sensors are used to collect data from 10 volleyball players (5 women and 5 men) who are between 19-21 ages and have 3-12 years of experience as an active player in volleyball. In this thesis, optimum number of sensors and their locations, effects of combinations of different features such as minimum, maximum values, means and variances of the raw data, impacts of combinations of different sub sensors such as accelerometer, gyroscope and magnetometer on the 4-class&10-class classification average accuracies are investigated. Two classification algorithms are applied with two different cross validation methods: For both cross validation methods, LDA (Linear Discriminant Analysis) produced better average accuracies than KNN (K Nearest Neighbor) where k value is taken as 5. The average accuracies for 4-class and 10-class classifications are respectively 99.56% and 89.56%. However, these results are respectively 92.39% and 66.08% for KNN (k=5).en_US
dc.description.abstractGünümüzde giyilebilir algılayıcılar sağlık, animasyon, spor gibi pek çok uygulamada kullanılmaktadır. Bu çalışmada, manşet, blok, servis ve smaç gibi voleybol aktivitelerini tanımak için kullanılmıştır. Bu faaliyetler normalde sahadaki istatistikçiler tarafından takip edilir, hangilerinin kaçar adet icra edildiği onlar tarafından not edilerek maç raporuna kaydedilir. Bu çalışma, istatistikçiler tarafından gerçekleştirilen bu işin otomatikleştirilmesi ve bunları giyilebilir algılayıcılar ile tanımaya/tanımlamaya odaklanmaktadır. Beş Xsens MTw Awinda algılayıcısı, yaşları 19-21, aktif voleybolculuk deneyimleri 3-12 yıl arasında değişmekte olan 10 voleybolcudan (5 kadın ve 5 erkek) veri toplamak amacıyla kullanılmaktadır. Bu tezde, en uygun algılayıcı sayısı ve konumları, ham verilerin minimum, maksimum değerleri, ortalamaları ve varyansları gibi farklı istatistiksel özelliklerin bileşimlerinin etkileri, ivmeölçer, jiroskop ve manyetometre gibi farklı alt algılayıcıların bileşimlerinin 4’lü ve 10’lu sınıflandırmaların ortalama doğruluklarına etkileri incelenmektedir. İki farklı çapraz doğrulama yöntemi, iki farklı sınıflandırma yaklaşımı ile uygulanmaktadır: Her iki çapraz doğrulama yöntemi için, doğrusal ayırma analizi (DAA), en yakın komşular yaklaşımından (komşu sayısı 5 olarak alındığında) daha iyi ortalama doğruluklar üretmiştir. 4’lü ve 10’lu sınıflandırmaların ortalama doğrulukları sırasıyla %99.56 ve %89.56’dır. Diğer taraftan, bu sonuçlar en yakın komşular yaklaşımında (komşu sayısı 5 olarak alındığında), sırasıyla %92.39 ve %66.08 olmaktadır.en_US
dc.format.extentix, 49 leavesen_US
dc.language.isoenen_US
dc.publisherIzmir Institute of Technologyen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectWearable technologyen_US
dc.subjectWearable sensorsen_US
dc.subjectVolleyball activityen_US
dc.subjectPerformance assessmenten_US
dc.subjectActivity recognitionen_US
dc.titleWearable systems for performance assessment in volleyballen_US
dc.title.alternativeVoleybolda performans değerlendirmesi için giyilebilir sistemleren_US
dc.typeMaster Thesisen_US
dc.authorid0000-0002-0208-5621en_US
dc.departmentThesis (Master)--İzmir Institute of Technology, Mechanical Engineeringen_US
dc.relation.publicationcategoryTezen_US
dc.identifier.yoktezid749977en_US
item.grantfulltextopen-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.cerifentitytypePublications-
item.openairetypeMaster Thesis-
item.languageiso639-1en-
item.fulltextWith Fulltext-
Appears in Collections:Master Degree / Yüksek Lisans Tezleri
Files in This Item:
File Description SizeFormat 
10483006.pdfMaster Thesis2.02 MBAdobe PDFView/Open
Show simple item record



CORE Recommender

Page view(s)

172
checked on Apr 15, 2024

Download(s)

130
checked on Apr 15, 2024

Google ScholarTM

Check





Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.