Geri Dön

A classification algorithm using mahalanobis distance clustering of data with applications on biomedical data sets

Biomedikal veri kümeleri üzerinde mahalanobis uzaklığı veri kümelenmesi ile sınıflandırma algoritması

  1. Tez No: 285606
  2. Yazar: BAHADIR DURAK
  3. Danışmanlar: YRD. DOÇ. DR. CEM İYİGÜN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2011
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Bölümü
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 104

Özet

Sınıflandırma kavramı bilimsel çevrelerce yüzlerce yıldır kullanılmakta ve incelenmektedir. Bu tarihsel süreç içerisinde farklı yöntemler ve algoritmalar geliştirilmiş ve kullanılmıştır.Bugün literature geçmiş olan sınıflandırma algoritmaları, farklı yöntemler kullanmakta olsalar da benzer bir temel üzerinde hareket etmektedirler. Bu temel, tanımlı özellikleri kullanarak, istenen verileri belirlenmiş sınıflarda toplama, farklı bir söylemle, tanımlanmış nedenler ile sonuç arasında bir ilişki kurabilme çabasıdır. Bu çalışma, bugüne kadar kullanılmakta olan bu temele farklı bir bakış açısı getirmeyi amaçlamıştır.Bu çalışmada, verilerin sadece temel özellikleri değil, sınıfları da bir parametre olarak kullanılmıştır. Söz konusu yöntemdeki amaç, bilinen bir değerden gelecek olan bilgiyi de algoritmada kullanma çabasıdır. Diğer bir ifadeyle, verinin dahil olduğu sınıf, bir girdi olarak değerlendirilmiş ve veri kümesi üst bir uzaya transfer edilerek yeni bir çalışma ortamı yaratılmıştır. Aynı zamanda bu yeni ortamda artık problem bir sınıflandırma problemi değil, kümeleme problemidir. Her ne kadar bu mantık Kernel Yöntemini çağrıştırsa da, yöntemin kullanılış biçimi tamamen farklıdır. Oluşturulan yeni uzayda Mahalanobis Uzaklığı ile yapılan hesaplamalar ve oluşturulan kümeler, orijinal uzayda merkez temelli ve KNN temelli 2 farklı sınıflandırma algoritması ile değerlendirilmiştir. Bu yeni yöntem ile her iki algoritmada da ulaşılan başarı oranlarında artış yakalanmıştır. Yeni yönteme daha duyarlı olan merkez temelli algoritma ile başarı oranındaki artışın %8 seviyelerine kadar çıktığı gözlenmiştir.

Özet (Çeviri)

The concept of classification is used and examined by the scientific community for hundreds of years. In this historical process, different methods and algorithms have been developed and used.Today, although the classification algorithms in literature use different methods, they are acting on a similar basis. This basis is setting the desired data into classes by using defined properties, with a different discourse; an effort to establish a relationship between known features with unknown result. This study was intended to bring a different perspective to this common basis.In this study, not only the basic features of data are used, the class of the data is also included as a parameter. The aim of this method is also using the information in the algorithm that come from a known value. In other words, the class, in which the data is included, is evaluated as an input and the data set is transferred to a higher dimensional space which is a new working environment. In this new environment it is not a classification problem anymore, but a clustering problem. Although this logic is similar with Kernel Methods, the methodologies are different from the way that how they transform the working space. In the projected new space, the clusters based on calculations performed with the Mahalanobis Distance are evaluated in original space with two different heuristics which are center-based and KNN-based algorithm. In both heuristics, increase in classification success rates achieved by this methodology. For center based algorithm, which is more sensitive to new input parameter, up to 8% of enhancement is observed.

Benzer Tezler

  1. Uydu görüntü verisinin yapay sinir ağları ile sınıflandırılması

    Classification of satellite imagery data with artificial neural networks

    COŞKUN ÖZKAN

    Doktora

    Türkçe

    Türkçe

    2001

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Jeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı

    DOÇ.DR. FİLİZ SUNAR ERBEK

  2. Multi-class classification methods utilizing Mahalanobis Taguchi system and a re-sampling approach for imbalanced data sets

    Mahalanobis Taguchi sistemi ile çoklu sınıflandırma yöntemleri ve dengeli olmayan veri setleri için bir yeniden örnekleme yaklaşımı

    DİLBER AYHAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2009

    Endüstri ve Endüstri MühendisliğiOrta Doğu Teknik Üniversitesi

    Endüstri Mühendisliği Bölümü

    PROF. DR. GÜLSER KÖKSAL

  3. Bilgisayar ağlarında anormal veri trafiği tespiti için parametre optimizasyonu

    Parameter optimization for detecting abnormal data traffic in computer networks

    BİRNUR UZUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilim ve TeknolojiMuğla Sıtkı Koçman Üniversitesi

    Bilişim Sistemleri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SERKAN BALLI

  4. A simple approach to detect alcoholics using electroencephalographic signals

    Elektroensefalografik sinyaller kullanarak alkolikleri tespit etmek için basit bir yaklaşım

    NAHİT GÖKŞEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Elektrik ve Elektronik MühendisliğiÇukurova Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SAMİ ARICA

  5. A Digital signal processing based instrument for real-time classification of pulmonary sounds

    Gerçek zamanda çalışan digital signal processing tabanlı solunum sesleri sınıflandırıcı

    SAMEER ALSMADİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2003

    Tıbbi BiyolojiBoğaziçi Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YASEMİN KAHYA