Tanecikli hesaplama yöntemi ile kavram çözümleme
Concept analysis with granular computing method
- Tez No: 179729
- Danışmanlar: PROF. DR. HAYRİ SEVER, PROF. DR. OYA KALIPSIZ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2008
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 119
Özet
Tıbbi Karar Destek Sistemleri (TKDS) eksik bilgi ve belirsizlik altında çıkarsama yapabilen akıllı yazılım sistemleridir. Bu sistemlerde belirsizliğin modellenmesi için Bayes ağları, kaba kümeler, yapay sinir ağları, bulanık mantık, tümevarımsal mantık programlama, genetik algoritmalar gibi çeşitli esnek hesaplama yöntemleri ile bu yöntemlerin birkaçının birleşiminden oluşan melez yöntemler kullanılmaktadır. Bayes ağları TKDS' de sıklıkla kullanılan veri güdümlü bir yöntemdir.Bu çalışmada, Bayes ağları ile Biçimsel Kavram Çözümlemedeki kavram kafes yapısı arasındaki benzerliklerden yola çıkılarak Belirti-Hastalık arasındaki ilişkileri yansıtan yeni bir veri güdümlü model önerilmiştir. Bu modelde hastalıklar nesneler ve belirtiler de özellikler olarak modellenmiştir.Geliştirilen modelin test edilmesi için veri kümesi bulmadaki teknik problemler nedeniyle gerçek durumlardan çıkarılmış ve gerçek hasta verileri kullanılarak hazırlanmış olan ALARM ağ yapısı kullanılmıştır. Çeşitli boyutlardaki bu veri kümelerinin üretilmesi NETICA yazılımı ile gerçekleştirilmiştir. Hesaplama karmaşıklığını önlemek amacıyla, özellik verilerine kaba kümeler kuramının temelini oluşturan ve ayırtedilebilirliğe dayalı bir yazılım sistemi olan ROSETTA kullanılmıştır.Belirti-Hastalık bağlamının, ilgili algoritmalar ile kavram kafesi yapısı oluşturulmuştur. Kavram kafesindeki kenarlar, belirtiler ve hastalıklar arasındaki olasılıksal ilişkileri yansıtmakta ve Bayes teoremi ile hesaplanmaktadır. Bu işlemler Oracle JDeveloper yazılımı kullanılarak gerçekleştirilmiştir. Hesaplanan koşullu olasılıklar modelin doğruluk oranını vermektedir. Ağdaki gerçek durum ile programın ürettiği sonuç aynı olduğunda doğru teşhise ulaşılmaktadır. Oluşturulan model, farklı boyutlar da veri kümelerine uygulandığında ortalama yaklaşık %51 doğruluk oranı ile hastalığı doğru teşhis edebilmektedir.Ayrıca bu veri kümeleri C4.5, Destek Vektör Makinesi ve Çok Katmanlı Yayılım gibi makine öğrenmesi yöntemlerine de uygulanmıştır. En iyi sonucu yaklaşık %75 ortalama doğruluk oranı ile Destek Vektör Makinesi yöntemi vermiştir.
Özet (Çeviri)
Medical Decision Support Systems (MDSS) are intelligent software systems that are able to make deduction in case of lack of information and in the presence of ambiguity. In order to model the uncertainty in these systems, different soft computing methods like Bayesian networks, rough sets, neural networks, fuzzy logic, inductive logic programming, genetic algorithms and/or hybrid systems that are combination of several of these mentioned methods are used. Bayesian network is a data oriented method that is frequently used in MDSS.In this study, based on the similarity between Bayesian network and concept lattice in formal concept analysis, a data oriented model reflecting the relations between Symptom-Disease is proposed, in which diseases and symptoms are modeled as objects and attributes respectively.In order to test the developed model, with the technical problems of finding data sets, an ALARM network based on real situations and real patient data is used. Data sets of various size is implemented using NETICA software. In order to reduce computational complexity, ROSETTA software, which is a fundamental tool in rough set theory and based on discernibility, is used.Lattice of symptom-disease concept is constructed using related algorithms by Oracle JDeveloper software and later the conditional probabilities that are indicator of the models accuracy are calculated by Bayes theorem. Correct diagnosis is achieved when the actual situation in the network and the result of the program is the same. The proposed model applied to various sized data set can give the correct diagnosis with an average of 51% accuracy.Also, these datasets are applied to the machine learning methods like C4.5, Support Vector Machines (SVM) and Multi Layer Perceptron (MLP). Support Vector Machine has given the best result as approximately 75% average accuracy.
Benzer Tezler
- Çamaşır makinesi dengeleme halkasının modellenmesi
Modeling of washing machine' s balance ring
EMİN ÖVÜNÇ ŞENGÜN
Yüksek Lisans
Türkçe
2022
Makine MühendisliğiYıldız Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BİRGÜL AŞÇIOĞLU TEMİZTAŞ
- Discrete element modelling of soil - pile interaction with emphasis on soil characteristics and pile installation methodology
Zemin özelliklerinin etkisinde zemin - kazık etkileşiminin ve kazık imalat metodolojisinin ayrık elemanlar yöntemi ile modellenmesi
AHMET TALHA GEZGİN
Doktora
İngilizce
2021
İnşaat MühendisliğiBoğaziçi Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZER ÇİNİCİOĞLU
- Multi expert decision making by using 2 tuple fuzzy linguistic representation and its application to olive oil sensory evaluation
2'li bulanık gösterim kullanarak çok uzmanlı karar verme ve onun zeytinyağının duyusal değerlendirmesine uygulanması
SUZAN KANTARCI
Yüksek Lisans
İngilizce
2010
İstatistikDokuz Eylül Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. EFENDİ NASİBOĞLU
- Effect of uncertainties of soil strength parameters on the reliability of foundation behavior
Toprak mukavemeti parametrelerin belirsizliklerinin temel davranışının güvenilirliği üzerindeki etkisi
OMAR MUTTLAQ SULAIMAN SULAIMAN
Yüksek Lisans
İngilizce
2024
Mühendislik Bilimleriİstanbul Gedik ÜniversitesiMühendislik Yönetimi Ana Bilim Dalı
PROF. DR. GÖZDE ULUTAGAY
- Çeşitli bitkisel atıkların karbonizasyon yoluyla değerlendirilmesi
Evaluation of various vegetable residues by carbonization
DİDEM ÖZÇİMEN
Doktora
Türkçe
2007
Kimya Mühendisliğiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF.DR. AYŞEGÜL ERSOY MERİÇBOYU