Feature weighting algorithm for decision support system of innovation policies
İnovasyon politikaları karar destek sistemi için öznitelik ağırlıklandırılması
- Tez No: 259029
- Danışmanlar: YRD. DOÇ. DR. KEMAL KILIÇ
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2009
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 91
Özet
Bu tezin temel amacı inovasyon yönetimi için Karar Destek Sistemi çerçevesi geliştirmektir. İnovasyon belirleyicileri inovasyon performansını belirleyen özniteliklerdir. Bu nedenle, öznitelik altkümesi seçimi önemli bir konu olmaktadır. Karar Destek Sistemi'nin çekirdeğini oluşturmak için Benzetimsel Tavlama ve Genetik Algoritması olmak üzere iki algoritma önerilmiştir.Temel amaçlar ilgili özniteliklerin belirlenmesini sağlamak ve tahmin doğruluğunu arttırmaktır. Önerilen algoritmalarımız İris ve Concrete Compressive Strength referans dataları üzerinde kontrol edilmiştir. Bundan sonra, önerilen algoritmalar inovasyon datasına uygulanmıştır. Önerilen algoritmaların karşılaştırılması ve yorumlanması için elde edilen öznitelik ağırlıkları ve tahmin doğruluk seviyeleri sunulmuştur.
Özet (Çeviri)
The main aim of this thesis is to develop a Decision Support System (DSS) framework for innovation management. Determinants of innovation are the features that determine the innovation performance. For this reason, feature subset selection problem becomes an important issue. In order to construct the core of the DSS, we proposed two algorithms, which are Simulated Annealing and Genetic Algorithm.Determination of relevant features and prediction accuracy are the main objectives. Our proposed algorithms have been checked on two different data sets, Iris and Concrete Compressive Strength. After validation, algorithms have been implemented on innovation performance data. Feature weights that are obtained and prediction accuracies are presented for comparing and interpreting our algorithms.
Benzer Tezler
- Mekansal analiz teknikleri ile çok kriterli karar verme yaklaşımı kullanılarak raylı sistem güzergah analizi
Rail system route analysis using multi criteria decision making with spatial analysis techniques
BERNA ÇALIŞKAN
Doktora
Türkçe
2023
Ulaşımİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ OSMAN ATAHAN
- Yüz görüntülerinden kırışıklık tespiti ve sınıflandırılmasıyla yaş tahmini algoritması geliştirilmesi
Development of age estimation algorithm by determination and classification of wrinkle from face images
ŞULE BERNA AYAN
Yüksek Lisans
Türkçe
2019
BiyomühendislikTOBB Ekonomi ve Teknoloji ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN EROĞUL
- Kullanıcı destek sistemlerinde yardım biletlerinin otomatik sınıflandırılması
Automatic classification of help tickets in user support systems
MÜCAHİT ALTINTAŞ
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET CÜNEYD TANTUĞ
- Deniz taşımacılığında emniyet esaslı akıllı gemi denetim analitiği
Safety based intelligent ship inspection analytics for maritime transportation
SEYİD MAHMUD ESAD DEMİRCİ
Doktora
Türkçe
2023
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
DOÇ. DR. KADİR ÇİÇEK
- Natural ventilation of high-rise buildings a methodology for planning with different analysis tools and case-study integration
Çok katlı binalarda doğal havalandırma farklı analiz araçları ve örnek alan entegrasyonu ile planlama için bir yöntem
TOBIAS SCHULZE
Doktora
İngilizce
2015
Enerjiİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
Prof. Dr. AYŞE ZERRİN YILMAZ
PROF. DR. MARCO PERINO