Geri Dön

Hastalık teşhisi için çok-amaçlı genetik algoritma kullanarak çoklu-bulanık sınıflandırıcıların geliştirilmesi

Development of multi-fuzzy classifiers using multi-objective genetic algorithm for medical diagnosis

  1. Tez No: 200189
  2. Yazar: SEMRA GÜNGÖR
  3. Danışmanlar: Y.DOÇ.DR. MEHMET KAYA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2007
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 55

Özet

Semra GÜNGÖRFIRAT ÜN VERS TESFEN B L MLER ENST TÜSÜB LG SAYAR MÜHEND SL ĞY.L SANS?Hastalık Teşhisi çin Çok-Amaçlı Genetik Algoritma Kullanarak Çoklu-BulanıkSınıflandırıcıların Geliştirilmesi?Bu tezde, hastalık teşhisi için çok amaçlı genetik algoritmalar kullanılarak bir veri madenciliğiyöntemi olan çoklu-bulanık sınıflandırıcılar geliştirilmiştir. Çok-amaçlı genetik algoritmaların diğerklasik yaklaşımlardan üstünlüğü, bu tezde sınıflandırıcıları temsil eden birçok optimum çözümler birtek yazılım koşturmasıyla elde edilebilir. Yani, sadece bir defa eğitim örüntülerine çok-amaçlı genetikalgoritma uygulanarak çoklu-sınıflandırıcılar elde edilmektedir.Önerilen metodun temel avantajı, sınıflandırma doğruluğunun maksimize edilmesi, kuralsayısının minimize edilmesi ve toplam uzunluğun minimize edilmesi gibi çelişen amaçlar için çoksayıda bulanık sınıflandırıcılar elde etmektir.yi bilinen ve nicel nesnelere sahip iki medikal veri kümesi olan hepatit ve diyabetle elde edilendeneysel sonuçlar test verileri üzerinde yüksek sınıflandırma doğruluğunu gösterir.

Özet (Çeviri)

Semra GÜNGÖRFIRAT UNIVERSITYGRADUATE SCHOOL OF NATURAL AND APPLIED SCIENCESDEPARTMENT OF COMPUTER ENGINEERINGMASTERS?Development Of Multi-Fuzzy Classifiers Using Multi-Objective Genetic Algorithm ForMedical Diagnosis?In this thesis, data mining based multi-fuzzy classifiers are developed by using multi-objectivegenetic algorithms for medical diagnosis. The superiority of multi-objective genetic algorithms overclassic approaches is that many non-dominated solutions, which represent classifiers in this thesis, canbe obtained by their single run. That is, multiple classifiers are obtained by applying an multi-objective genetic algorithm to training pattern just once.The main advantage at our method is that a large number of tradeoff fuzzy classificationsystems can be extracted with respect to conflicting objectives: accuracy maximization, ruleminimization and total length minimization.Experimental results conducted on two well-known medical data set having quantitativeattributes, hepatitis and diabetes, demonstrate that high classification performance on test pattern canbe obtained from the non-dominated fuzzy classifier.

Benzer Tezler

  1. Identification of disease related significant SNPs

    Bir hastalığa ilişkin önemli tekli nükleotid polimorfizmlerin belirlenmesi

    CEYDA SOL

    Yüksek Lisans

    İngilizce

    İngilizce

    2010

    BiyomühendislikSabancı Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OSMAN UĞUR SEZERMAN

    YRD. DOÇ. DR. NİLAY NOYAN

  2. Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  3. Identification of biomarkers for cancer by machine learning

    Kanser biyobelirteçlerinin makine öğrenmesi ile keşfi

    MELTEM IŞIK

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı

    PROF. DR. ŞEFİKA KUTLU ÜLGEN

    DOÇ. DR. ARZUCAN ÖZGÜR TÜRKMEN

  4. Genetik algoritmalı yapay sinir ağları kullanarak tüberküloz hastalığı teşhisi

    Tuberculosis disease diagnosis using artificial neural network with genetic algorithm

    ERHAN ELVEREN

    Yüksek Lisans

    Türkçe

    Türkçe

    2009

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NEJAT YUMUŞAK

  5. Deep feature transfer from deep learning models into machine learning algorithms to classify COVID-19 from chest X-ray images

    Göğüs röntgeni görüntülerinden COVID-19 sınıflandırması yapmak amacıyla derin öğrenme modellerinden makine öğrenmesi algoritmalarına derin öznitelik aktarımı

    OZAN GÜLDALİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Matematikİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜL İNAN