Classification of wisconsin breast cancer database
Wısconsın meme kanseri veri tabanının sınıflandırılması
- Tez No: 276476
- Danışmanlar: YRD. DOÇ. DR. METEHAN MAKİNACI
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, İstatistik, Engineering Sciences, Statistics
- Anahtar Kelimeler: Biyomedikal veri analizi, KNN kuralı, linear discriminant, neural network, support vector machine, meme kanseri, Biomedical data classification, KNN rule, linear discriminant, neuralnetwork, support vector machine, breast cancer
- Yıl: 2009
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 31
Özet
İstatiksel veri analizi, farklı veritabanlarında sınıflandırma yapabilmek için metotgelistirmeyi içerir. Bu veritabanları farklı sektörlere ait olabilir. Örneğin finans,endüstri, gıda, biyomedikal vb. Asıl amaç bir hastayı, bir ürünü veya herhangi birseyi sınıflandırarak bir sonuç elde etmektir.Bu çalısmada , biyomedikal analiz için sınıflandırma metotlarını kullandık.Örnek veritabanımız, kanserin en büyük sebeplerinden biri olan meme kanseriverilerini içermektedir. Çünkü meme kanserinin teshisi büyük önem tasımaktadır.Veritabanımızda, sınıflandırma için kullanılacak 9 öznitelik bulunmaktadır. Buöznitelikler sayılardan olusmaktadır. ?lerleyen bölümlerde bu özniteliklerin detaylarıverilecektir. FNA islemi sonucunda sayısal veriler alındıktan sonra, sınıflandırmaetiketleri klasik yöntemlerle veya sınıflandırma algoritmaları ile verilebilir.Veritabanımızda gerçek tanı değerleri bulunan bir sütun bulunmaktadır. Bu çalısma,sınıflandırma algoritmalarının önemini vurgulamaktadır.Çalısmada farklı algoritmalar ve metotlar kullanılmıs, gerçek sonuçlar bazalınarak hesaplanan doğruluk oranları verilmistir. Elde edilen sonuçlarkarsılastırılmıstır. Böylece, bilgisayar programlarının, hastalık tanılarındakullanılması için yeni fikirler olusabilir. Bilgisayar destekli tanı islemi daha yaygınsekilde kullanılabilir.
Özet (Çeviri)
Statistical data analysis includes developing methods for classification of variousdatabases. These databases may have data about lots of sectors for example financial,industrial, food, biomedical or etc. The main aim is to get a result by making aclassification for a product, patient or something.In this study, we used classification methods for biomedical analysis. Our sampledatabase has breast cancer data which is one of the most cause of cancer, becausedetection of this cancer is very important. Database has 9 attributes which is used forclassification. These attributes are numerical numbers. Explanations of attributes aregiven in detail in following chapters. After having numerical numbers via FNAprocedure, class labels can be given both by classical examinations and byclassification algorithms. Our database includes a class column which real diagnosisexists. This study aims to consider classification algorithms results carefully.Different methods and algorithms have been used; classification accuracies havebeen given depending on real values. Results are compared and some ideas can arisefor using software programs to classify sickness instances. Computer supporteddiagnosis can be used more commonly.
Benzer Tezler
- Neuro fuzzy classification of Wisconsin breast cancer database
Wisconsin göğüs kanseri veritabanının nöral bulanık sınıflandırılması
SEDAT KIRTULUKOĞLU
Yüksek Lisans
İngilizce
2009
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. METEHAN MAKİNACI
- Bayes gaussian classification of wisconsin breast cancer database
Wisconsin göğüs kanseri veri tabanının bayes gaussian sınıflandırılması
MOZHGAN MOAZZEN ZADEH
Yüksek Lisans
İngilizce
2011
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
YRD. DOÇ. METEHAN MAKİNACI
- Breast cancer data classification using SVM, NB and KNN algorithms
SVM, NB ve KNN kullanımı ile göğüs kanseri veri sınıflandırması
BURCU MERAL
Yüksek Lisans
İngilizce
2019
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. KAMİL ORUÇOĞLU
- Kaba kümeler teorisi üzerine algoritmalar
Algorithms based on rough set theory
FATİH AYBAR
Yüksek Lisans
Türkçe
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ŞAHİN EMRAH
- Eksik değerleri en olası değer ile doldurmanın sınıflandırma algoritmaları üzerinden karşılaştırılması
Comparison of filling missing values with the best fit over classification algorithms
ÇAĞDAŞ KEKLİK
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBeykent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. CENGİZ ÖRENCİK