Geri Dön

Bilgi kazancı tabanlı yapay bağışıklık tanıma sistemi

Information gain based artificial immune recognition system

  1. Tez No: 178869
  2. Yazar: HALİFE KODAZ
  3. Danışmanlar: YRD. DOÇ. DR. SALİH GÜNEŞ
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2007
  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: 215

Özet

Tez çalışmasında bir yapay bağışıklık sınıflandırıcı sistemi olan Yapay Bağışıklık Tanıma Sistemi (YBTS) incelenmiş ve tespit edilen eksiklikleri gidermek amacıyla Bilgi Kazancı Tabanlı Yapay Bağışıklık Tanıma Sistemi (BK-YBTS) geliştirilmiştir. Bu eksiklikler arasında, YBTS'nin çalışma süresinin çok zaman alması ve sınıflandırma performansının düşük olması sayılabilir. Tüm bu eksikliklere, hücreler arası duyarlılık hesabında bütün özelliklerin eşit ağırlıkta kabul edilmesi, mutasyon mekanizmasının rasgele değer atama şeklinde gerçekleşmesi ve duyarlılık eşik değeri hesabı ile kaynak tahsisi mekanizmasında eğitim verilerinin sınıf değerlerinin kullanılmaması sebep olmaktadır.YBTS'den kaynaklanan bu eksiklikleri gidermek amacıyla geliştirilen sistemde; hücreler arası duyarlılık hesabında bilgi kazancı kavramı kullanılarak özelliklere ağırlık verilmiş, antikorlara mutasyon işlemi sırasında antikorun antijenle olan duyarlılığını temel alan bir mutasyon mekanizması kullanılmış ve duyarlılık eşiği hesabında ve kaynak tahsisi mekanizmasında eğitim verilerinin sınıf değerleri temel alınmıştır. BK-YBTS ile gerçekleştirilen tüm bu değişikliklerin etkinliğini göstermek amacıyla çeşitli veri kümeleri üzerinde BK-YBTS ve YBTS parametrelerinin değişik değerleri ile iki sistem karşılaştırılmıştır.Genel olarak BK-YBTS, YBTS'den daha yüksek sınıflandırma doğruluklarına ulaşmıştır. Özellikle mutasyon ve kaynak tahsisi mekanizmasının değiştirilmesiyle birlikte BK-YBTS, YBTS'den daha kısa sürede çalışmasını tamamlamıştır. Literatürdeki sınıflandırıcılarla karşılaştırıldığında BK-YBTS ile beraber kabul edilebilir sınıflandırma doğruluklarına ulaşılmıştır.Bu çalışmada sunulan yaklaşımların gelecekte farklı uygulamalara ve yeni Yapay Bağışıklık Sistemleri tasarlanmasına katkılar sağlayacağı değerlendirilmektedir.Anahtar Kelimeler ? Yapay Bağışıklık Sistemleri, Sınıflandırma, Bilgi kazancı, Antijen, Antikor, Duyarlılık, Kaynak rekabeti, Bellek hücresi.

Özet (Çeviri)

This thesis detects some deficiencies of Artificial Immune Recognition System (AIRS) which is an artificial immune classifier system. Information Gain Based Artificial Immune Recognition System (IG-AIRS) is developed in order to avoid these deficiencies. Some of the deficiencies of AIRS are the long execution time and the poor classification performance. These deficiencies are caused by the assumption of all the data attributes to have the same weight in the affinity calculation, random value assignment in the mutation mechanism and the exclusion of the class values of training data in the affinity threshold value calculation and resource allocation mechanism.In order to eliminate these drawbacks, IG-AIRS deployed the information gain concept in affinity calculation by assigning weights to data attributes. A mutation mechanism based on affinity is also used during mutation process of antibodies. Furthermore, the affinity threshold criterion and the resource allocation mechanism are based on class values of training data. In order to show the efficiency of these modifications with proposed IG-AIRS, two systems are compared with various parameter values on several datasets.In general, classification accuracies of IG-AIRS are found to be higher than AIRS. Especially, with the modification of mutation and resource allocation mechanisms, the execution time of IG-AIRS was shorter than AIRS. When compared with other classifiers in the literature, IG-AIRS have reached acceptable classification accuracies.The presented approaches in this thesis are envisaged to contribute to new Artificial Immune Systems and diverse applications in the future.Keywords - Artificial Immune Systems, Classification, Information gain, Antigen, Antibody, Affinity, Resource competition, Memory cell.

Benzer Tezler

  1. Investigation of artificial intelligence-based point cloud semantic segmentation

    Yapay zeka tabanlı nokta bulutu semantik bölümlendirmesinin incelenmesi

    MUHAMMED ENES ATİK

    Doktora

    İngilizce

    İngilizce

    2022

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. ZAİDE DURAN

  2. OECD sağlık verilerinin veri madenciliği yöntemleri ile analizi

    Analysis of OECD health data with data mining methods

    KÜBRA ÇOŞAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BUKET DOĞAN

    PROF. DR. ALİ BULDU

  3. Yapay arı koloni algoritması ile kural tabanlı sınıflandırma yöntemlerinin geliştirilmesi

    Developing rule based classification approaches using artificial bee colony algorithm

    FEHİM KÖYLÜ

    Doktora

    Türkçe

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. DERVİŞ KARABOĞA

  4. Açıklanabilir yapay öğrenme algoritmaları ile Adana ili taşkın duyarlılık haritalarının üretimi

    Production of flood susceptibility maps for Adana province using explainable machine learning

    HALİT ENES AYDIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Jeodezi ve FotogrametriMersin Üniversitesi

    Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUZAFFER CAN İBAN

  5. Doğal dil işleme yöntemleriyle Türkçe sosyal medya verileri üzerinde duygu analizi

    Sentiment analysis with natural language processing methods on Turkish social media data

    İLKAY YELMEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. METİN ZONTUL