Feature selection using different mutual information estimation methods
Farklı karşılıklı bilgi kestirim yöntemleri kullanarak öznitelik seçimi
- Tez No: 295247
- Danışmanlar: DOÇ. DR. ZEHRA ÇATALTEPE
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2010
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, farklı karşılıklı bilgi kestirim yöntemlerinin öznitelik seçimi üzerindeki etkisi incelenmiş, minimum-bolluk-maksimum-ilgi (mRMR) ve karşılıklı bilgi filtresi öznitelik seçim yöntemleri, bölümlemeden daha gelişmiş kestirim yöntemleri olan çekirdek yoğunluk kestirimi (KDE) bazlı ve k en yakın komşu (KNN) bazlı yöntemler kullanılarak iyileştirilmeye çalışılmıştır. Ayrıca bu karşılıklı bilgi kestirim yöntemlerinin yapay ve gerçek veriler üzerindeki başarımı ölçülmüş ve yöntemlerin başarımı altküme seçimi ve birleştirme yolları ile arttırılmaya çalışılmıştır. Altküme seçimi ve birleştirme yöntemlerinin başarımı arttırmadığı, k en yakın komşu bazlı kestirim yönteminin karşılıklı bilgi filtresi için kullanıldığında bölümlemeden daha yüksek başarım sağladığı, fakat mRMR'ın bundan yararlanamadığı görülmüştür.
Özet (Çeviri)
In this study, effect of different mutual information estimation methods on feature selection is examined, minimum-redundancy-maximum-relevance and mutual information filter feature selection methods are tried to be improved by using more advanced mutual information estimation methods than binning like k-nearest-neighbour (KNN) based and kernel density estimation (KDE) based methods. Besides, performances of these mutual information estimation methods on artificial and real data are measured and this performance is tried to be improved by subset selection and combination. It is concluded that subset selection and combination does not improve performance, KNN based estimation method improves performance when used in mutual information filter but mRMR does not benefit from this.
Benzer Tezler
- Artificial intelligence applications in microwave and mmwave sensing
Mikrodalga ve milimetre dalga algılamada yapay zeka uygulamaları
MUHAMMED İSMAİL PENÇE
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
DOÇ. DR. MEHMET NURİ AKINCI
- Gümrük Birliği sürecinin Türk sermaye piyasasına etkileri
The Effects of Customer Union course on Turkish capital market
ÖNDER HALİSDEMİR
Yüksek Lisans
Türkçe
1997
EkonomiMarmara ÜniversitesiSermaye Piyasası ve Borsa Ana Bilim Dalı
PROF. DR. İLHAN ULUDAĞ
- Derin öğrenme ile lityum-iyon bataryalarda sağlık durumu sınıflandırması, kapasite kestirimi ve kalan faydalı ömür tahmini
State of health classification, capacity estimation, and remaining useful life prediction of lithium-ion batteries using deep learning
MELTEM SÜPÜRTÜLÜ
Doktora
Türkçe
2026
Elektrik ve Elektronik MühendisliğiBursa Uludağ ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ERSEN YILMAZ
- Mutual information based feature selection for acoustic autism diagnosis
Akustik otizm teşhisi için ortak bilgiye dayalı öznitelik seçimi
ŞEFİKA YÜZSEVER
Yüksek Lisans
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SADIK FİKRET GÜRGEN
- Predictive modelling of mechanical properties in flat steel manufacturing: A comparative analysis of feature selection methods of mechanical properties for cold rolled products
Yassı çelik üretiminde mekanik özelliklerin tahminsel modellemesi:Soğuk haddelenmıiş ürünler için mekanik özelliklerin özellik seçim yöntemlerinin karşılaştırılmalı analizi
DİDEM BAKİLER İLME
Yüksek Lisans
İngilizce
2024
Yönetim Bilişim SistemleriKadir Has ÜniversitesiYönetim Bilimleri Ana Bilim Dalı
DOÇ. DR. EMRULLAH FATİH YETKİN