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
- Tez No: 200189
- Danışmanlar: Y.DOÇ.DR. MEHMET KAYA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2007
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Identification of disease related significant SNPs
Bir hastalığa ilişkin önemli tekli nükleotid polimorfizmlerin belirlenmesi
CEYDA SOL
Yüksek Lisans
İngilizce
2010
BiyomühendislikSabancı ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. OSMAN UĞUR SEZERMAN
YRD. DOÇ. DR. NİLAY NOYAN
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Identification of biomarkers for cancer by machine learning
Kanser biyobelirteçlerinin makine öğrenmesi ile keşfi
MELTEM IŞIK
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
PROF. DR. ŞEFİKA KUTLU ÜLGEN
DOÇ. DR. ARZUCAN ÖZGÜR TÜRKMEN
- Genetik algoritmalı yapay sinir ağları kullanarak tüberküloz hastalığı teşhisi
Tuberculosis disease diagnosis using artificial neural network with genetic algorithm
ERHAN ELVEREN
Yüksek Lisans
Türkçe
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
DOÇ. DR. NEJAT YUMUŞAK
- 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
2021
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜL İNAN