Geri Dön

Biyomedikal sınıflama problemleri için problem-tabanlı bir yapay bağışıklık sisteminin geliştirilmesi ve biyomedikal sınıflama problemlerine uygulanması

Development of a problem-based artificial immune system for biomedical classification problems and application on biomedical classification problems

PDF İndir

  1. Tez No: 178523
  2. Yazar: SERAL ÖZŞEN
  3. Danışmanlar: YRD. DOÇ. DR. SALİH GÜNEŞ
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2008
  8. Dil: Türkçe
  9. Üniversite: Selçuk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 195

Özet

Bu çalışmada mühendislik ve diğer uygulama alanlarında karşılaşılan karmaşık problemlerin çözümü için iki Yapay Zeka sistemi geliştirilmiştir. Yapay Zeka sistemlerinin bir alt dalı olan Yapay Bağışıklık Sistemleri (YBS) alanında geliştirilmiş olan sistemler, doğrusal olmayan problemlerin çözümünde kullanılmak üzere tasarlanmıştır. YBS alanında doğrusal olmayan problemlerin çözümünde kullanılan karmaşık sistemlerin var olmayışı, YBS sistemlerinin çoğu alanda iyi bilinen çözüm teknikleri arasında yer almasına engel olmuştur. Bu çalışmada tasarlanan sistemler ile iki farklı şekilde doğrusal olmayan sistem tasarımı gerçekleştirilerek YBS alanındaki bu eksikliğin giderilmesi hedeflenmiştir.Geliştirilen ilk sistem Kernel_YBS sistemidir ve bu sisteme, klasik YBS sistemlerindeki uzaklık hesaplamalarının Kernel uzayına taşınması ile doğrusal olmayan bir yapı kazandırılmıştır. Sistem parametrelerinin performans üzerindeki etkileri Two-Spirals ve Chainlink veri kümeleri kullanılarak detaylı bir şekilde incelenmiştir. Bunun yanında, gerek sistemin gerçek problemlerdeki performansını görmek, gerekse sistemi literatürde yer alan diğer sistemlerle karşılaştırmak için, Doppler veri kümesi ile UCI veri tabanından alınan İris ve Statlog Heart Disease veri kümeleri üzerinde uygulamar yapılmıştır. Sistem İris veri kümesi için %98.66'lık bir sınıflama doğruluğu elde ederken, Statlog Heart Disease veri kümesi için %85.93'lük bir sınıflama başarısına ulaşmıştır. Sistem, 61 veriye sahip Doppler örneklerini ise sadece iki hafıza hücresi ile %99.09 sınıflama doğrulunda sınıflamayı başarmıştır. Elde edilen bu sonuçlar ile Kernel_YBS sitemi, söz konusu veri kümeleri için literatürde performansı en yüksek sistemler arasında yerini almıştır.Yapı olarak gerçekleştirilen ikinci sistem olan YBS_Yanıtı sistemi, bağışıklık sistemindeki tanıma mekanizmasını farklı bir şekilde modellemiş ve böylece doğrusal olmayan bir yapıya sahip olmuştur. Yine sistemin parametre analizleri Two-Spirals ve Chainlink veri kümeleri üzerinde gerçekleştirilmiş ve parametrelerin seçiminde dikkat edilmesi gereken hususlar vurgulanmıştır. Sistemin performansını gerçek problemlerde incelemek amacıyla yine İris veri kümesi ve Statlog Heart Disease veri kümesi kullanılmıştır. İris veri kümesinde %99.33 sınıflama doğruluğu elde eden sistem, Statlog veri kümesinde %90.37'lik bir doğruluk ile litaratürdeki diğer yöntemlere sınıflama doğruluğu bakımından büyük bir performans farkı sağlamıştır.

Özet (Çeviri)

In this study, two Artificial Intelligence system were developed for the solution of complex problems in the engineering and other application areas. The systems developed in the Artificial Immune Systems (AIS) field which is a sub-branch of Artificial Intelligence, were designed to be used in nonlinear problems. The non-existence of complex systems in AIS that solve nonlinear problems has prevented AIS systems from being among the well-known solutions in most fields. The systems designed in this study aimed to compansate this deficiency by providing a nonlinear structure in two different ways.The first of the developed systems is Kernel_YBS and a nonlinear AIS design was realized in this system by transfering distance calculations in the clonal selection models of classical AIS systems to Kernel space. The effects of system parameters on performance were investigated in detail by using Two-Spirals and Chainlink datasets. Besides, applications were conducted on Iris dataset and Statlog Heart Disease Dataset taken from the UCI database and on Doppler sonograms dataset to see the performance of the system on real-world problems in addition to compare the system with other methods in literature. The system obtained a classification accuracy of 98.66% for Iris dataset while it achieved a 85.93% classification success for Statlog Heart Disease dataset. The system succeded to classify Doppler data having 61 data points with a classification accuracy of 99.09% by using only two memory cell. With these results, Kernel_YBS System has taken its place among the systems in literature with highest performances for related datasets.The second system, named as YBS_Yanıtı, has a nonlinear structure by modelling the recognition mechanism different from the developed AIS systems so far as a more proper reflection of the recognition in immune system. Again, the parameter analyses of the system were conducted on Two-spirals and Chainlink datasets and the important points in parameter selection were emphasized. To investigate the performance of the system on real-world problems, Iris dataset and Statlog Heart Disease dataset were used again. The system, which obtained a 99.33% classification accuracy on Iris dataset, has shown an important performance superiority with regard to the classifification accuracy to other methods in literature by reaching 90.37% classification accuracy for the Statlog Heart Disease dataset.

Benzer Tezler

  1. Tez No

    827867

    Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ

  2. Tez No

    381828

    Geodesic based hybrid similarity criteria for approximate spectral geodesic based hybrid similarity criteria for approximate spectral clustering of large medical data sets

    Büyük medikal veri setlerinin yaklaşık spektral öbeklenmesi için jeodezik tabanlı benzerlik ölçütleri

    BERNA YALÇIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. İSA YILDIRIM

  3. Tez No

    832249

    X-ray görüntüleri ile derin öğrenme kullanılarak covid-19 vakalarının tespiti

    Detection of covid-19 cases by applying deep learning with x-ray images

    MUHAMMED MUSTAFA AYDIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Mühendislik BilimleriSakarya Uygulamalı Bilimler Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. RAŞİT KÖKER

  4. Tez No

    458895

    El hareketlerinin elektromyogram sinyalleri ve yardımcı sensör verileri ile sınıflandırılması

    Classification of hand movements via electromyogram and auxiliary sensor data

    SİNAN YAĞCIOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Biyomühendislikİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. İLKER BAYRAM

  5. Tez No

    212381

    Biyomedikal işaretlerin yeni bir adaptif aktivasyon fonksiyonlu yapay sinir ağı ile sınıflandırılması

    Classification of biomedical signals via a new artifical neural network with adaptive activation function

    GÜLAY TEZEL

    Doktora

    Türkçe

    Türkçe

    2007

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. YÜKSEL ÖZBAY

Geri Dön