Destek vektör makine tabanlı bulanık sistemler, yeni bir gürbüz sınıflayıcı ve regresör tasarımı
Support vector machines based fuzzy systems, a new classifier and regressor design
- Tez No: 185078
- Danışmanlar: PROF.DR. CÜNEYT GÜZELİŞ, PROF.DR. YAKUP DEMİR
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Destek vektör makineler, bulanık mantık, penaltı işlev yaklaşımı, eğiminiş algoritmaları, sınıflama ve regresyon kestirimi.xii, Support vector machines, fuzzy logic, penalty function approach, gradientdescent methods, classification, and regression estimation.xiii
- Yıl: 2006
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 113
Özet
ÖZETDoktora TeziDESTEK VEKTÖR MAKİNE TABANLI BULANIK SİSTEMLER,YENİ BİR GÜRBÜZ SINIFLAYICI VE REGRESÖR TASARIMIAyşegül UÇARFırat ÜniversitesiFen Bilimleri EnstitüsüElektrik-Elektronik MühendisliğiAnabilim Dalı2006, Sayfa: 113Bu tezde; giriş uzayında Destek Vektör Makinelere (DVM'lere) seçenek sınıflayıcılarınve regresörlerin tasarımı yapılmıştır. Bu amaçla, eğim iniş yöntemleri kullanılarak çözümüyapılabilen eniyileme algoritmaları sunulmuştur.Bu çalışmada ilk olarak, giriş uzayında DVM'lerdeki gibi hem yapısal hata hem dedeneysel hata prensibine dayanarak karar yüzeyleri küre ve elipsoit biçimli olan iki sınıflısınıflayıcı algoritmaları önerilmiştir. Bu algoritmalar çok sınıflı sınıflama problemlerine basitolarak genişletilmiştir. Önerilen tüm algoritmaların, gürültü ve aykırı verilere karşıgürbüzlüğünü artırmak için, her veriye farklı bir üyelik değeri atanarak yeni bulanık küre veelipsoit biçimli sınıflayıcılar elde edilmiştir. İkinci olarak, küre ve elipsoit biçimli kararyüzeylerinin dışında, Radyal Tabanlı İşlev Ağlarının (RTİA'ların) veya klasik bir gizli katmanlıYapay Sinir Ağlarının (YSA'ların) yüzeyleri gibi daha karmaşık karar yüzeyleri kullanılaraksınıflama başarımını arttırmayı amaçlayan bir algoritma önerilmiştir. Önerilen algoritma,regresyon kestirimi için de genişletilmiştir. Üçüncü olarak, RTİA'lar kullanılarak elde edilensınıflayıcı ve regresör formülasyonları, çekirdek kullanılarak yeniden türetilmiştir. Son olarak,bulanık sistemlerin genelleme yeteneğini artırmak amacıyla, DVM'nin istatiksel öğrenmealgoritmasına benzer bir öğrenme algoritması sunulmuştur.Önerilen tüm algoritmalarda, penaltı parametresi uyarlanır seçilerek gürültü ve aykırıverilere karşı daha az duyarlı olma özelliği sağlanmıştır. Algoritmaların, bilimsel yazındakibirçok yönteme göre başarımı farklı veri kümeleri üzerinde eğitim süresi ile eğitim ve testhataları açısından karşılaştırılmıştır.
Özet (Çeviri)
ABSTRACTPhD ThesisSUPPORT VECTOR MACHINES BASED FUZZY SYSTEMS,A NEW CLASSIFIER AND REGRESSOR DESIGNAyşegül UÇARFirat UniversityGraduate School of Natural and Applied SciencesDepartment of Electrical and Electronics Engineering2006, Page: 113In this thesis, new classifiers and regressors in the input space as alternatives to SupportVector Machines are designed. For this aim, new optimization algorithms that can be solvedusing gradient descent methods are proposed.Firstly, based on the structural and empirical error principles such as SVMs, two classclassification algorithms with spherical and ellipsoidal decision surfaces are proposed. Theclassifiers are extended simply to multi-class classification. To increase robustness against noiseand outliers of all proposed algorithms, new fuzzy spherical and ellipsoidal classifiers areconstructed by assigned a membership to each point. Secondly, by using more complex decisionsurfaces such as that of Radial Basis Function Network (RBFN) or one hidden layer ArtificialNeural Networks (ANN) except from sphere and ellipse decision surfaces, an algorithmincreasing the classifier performance is proposed. The algorithm is extended to regressionestimation. Thirdly, classifier and regressor formulations obtained by using RBFN are againderived by using kernel functions. Finally a similar learning algorithm to statistical learningalgorithm of SVM is introduced to increase the generalization performance of fuzzy models.In all proposed algorithms, penalty parameter is determined iteratively. Thus lesssensitivity against noise and outlier data is achieved. The performances according to manymethods in the literature of the algorithms are evaluated in terms of training time and trainingand testing correctness on different benchmark data sets.
Benzer Tezler
- Sistemli mimari tasarım sürecinde üretken bir yapay yardımcı önerisi
Proposal for a productive artificial aid in the systematic architectural design process
BETÜL ŞEN
Yüksek Lisans
Türkçe
2024
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. YÜKSEL DEMİR
- Support vector regression based controller design methods for nonlinear systems
Lineer olmayan sistemler için destek vektör regresyon tabanlı kontrolör tasarım metodları
KEMAL UÇAK
Doktora
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÜLAY ÖKE GÜNEL
- Yumuşak hesaplama yöntemlerinin geliştirilmesi ve elektriksel sürücülerdeki uygulamaları
The improvement of soft computing methods and its applications in electric drives
MEHMET KARAKÖSE
Doktora
Türkçe
2005
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ.DR. ERHAN AKIN
- Mikroşebekelerde ada mod çalışmanın tespiti ve güç kalitesi olaylarının sınıflandırılması için yapay zekâ tabanlı kontrol yöntemlerinin geliştirilmesi
Development of artificial intelligence based control methods for detection of islanding conditions and classification of power quality events in microgrids
ALPER YILMAZ
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiBursa Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKAY BAYRAK
- Dinamik sistemlerde zaman serileri analizi ile öğrenme tabanlı bilgi çıkarımı
Learning based information extraction by time series analysis in dynamic systems
SELAHATTİN BARIŞ ÇELEBİ
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. İLHAN AYDIN