Özdüzenleyici haritaların görselleştirilmesi
Visualization of self-organizing maps
- Tez No: 302576
- Danışmanlar: YRD. DOÇ. DR. SONGÜL ALBAYRAK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2011
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 91
Özet
Özdüzenleyici haritalar (SOM), eğiticisiz öğrenmeye dayalı bir Yapay Sinir Ağı algoritmasıdır. Özdüzenleyici haritalar ile yüksek-boyutlu veride bulunan lineer olmayan istatistiksel ilişkileri, düşük boyutlu (genellikle 2-boyutlu) örgüsel sisteme yansıtıp verinin analizi yapılabilmektedir. Bu tez kapsamında, başta OECD ülkeleri olmak üzere, yakın gelecekte güçlü ülkeler konumuna gelecek olan çeşitli ülkelere ait (iktisadi, sosyal, kültürel, enerji, eğitim, bilim ve teknoloji vb. çalışmalar sonucu elde edilen) nümerik veriler kullanılarak oluşturulan çok boyutlu bir veri kümesi ile çalışılmıştır. Oluşturulan çok boyutlu veri kümesine, SOM teknikleri ve yöntemleri uygulanılarak verinin iki ve üç-boyutlu örgüsel sistemler üzerinde analizinin gerçekleştirilmesi sağlanmaktadır. Bu görselleştirme ile mevcut ülkelerin (40 ülke) çeşitli açılardan gelişmişlikleri değerlendirilerek, bu ülkeler hakkında yorumlar yapmak mümkündür. Yine tez kapsamında, elde edilen veri kümesinin yanısıra bilinen veri havuzlarından alınan yapay ve gerçek veri kümeleri de incelenmiştir.Özdüzenleyici haritaların görselleştirilmesi ve kümeleme çalışmaları bu tezin asıl ilgi alanıdır. Dolayısıyla bu çalışmada, görselleştirme teknikleri, çeşitli görselleştirme yöntemleri ele alınmış, bunların OECD veri kümesi ve seçilen diğer veri kümeleri üzerindeki uygulamaları verilmiştir.SOM algoritmasının artı ve eksilerini ortaya koymak için ilgili alanlardaki farklı vektör nicemleme ve vektör yansıtım algoritmaları burada anlatılarak, SOM algoritmasının bu algoritmalar ile karşılaştırılması yapılmış ve sonuçları verilmiştir.Özdüzenleyici haritaların kullanım amaçlarından bir diğeri de kümeleme metotları ile veri kümelerindeki kümelerin ortaya çıkartılmasıdır. Çeşitli veri kümeleri kullanılarak Özdüzenleyici haritaların kümeleme üzerindeki başarısı ortaya koyulmuştur.
Özet (Çeviri)
A self-organizing map (abbreviated“SOM”, also known as“Kohonen map”) is a type of artificial neural algorithm and based on unsupervised learning. Self-organizing map is trained to produce a low-dimensional (typically two-dimensional) lattice which is discretizated representation of the input space of the training samples. It is generally difficult to analyze high-dimensional data and make a command about that, so that visualizing low-dimensional views of high-dimensional data is very useful.The initial idea behind this thesis is applying the SOM algorithm to a dataset which is composed of various specifications of OECD (Organisation for economic co-operation and development) countries. We designed a data set which is made up of 40 countries and 35 indicators, which involve financial, social, culturel, educational, scientific and technological information about countries. This thesis aims to discuss what can be learned from the created data set with the help of self-organizing map. At the end of this thesis, people can assess the levels of the development of the existing countries. Besides created data set, we choose different data sets from various data pools and analyse them.The actual scope of this thesis is visualization of the self-organizing map, so that here we present several visualization techniques and methods, and the applications of these methods using created OECD data set are presented.Also, we mentioned other vector quantization and vector projection methods to compare with self-organizing map, and exposed their advantages and disadvantages. We seek for solutions to missing values and present examined ways for this problem.Self-organizing map is also considerable in the name of clustering. Self-organizing map can be used to reveal cluster structures in the data sets and it is very efficient in this issue. And we used different and various data sets to show the success of SOM in clustering.
Benzer Tezler
- Özdüzenleyici haritalar yöntemi ile banka müşterilerinin bölümlendirilmesi
Segmentation bank customers using self-organizing maps
MEHMET ÖZÇALICI
Yüksek Lisans
Türkçe
2011
BankacılıkGaziantep Üniversitesiİşletme Ana Bilim Dalı
YRD. DOÇ. DR. İBRAHİM HALİL SEYREK
- Development of a system to diagnose paroxysmal atrial fibrillation patients from arrhythmia free ECG records
Aritmisiz EKG kayıtlarından paroksismal atriyal fibrilasyon hastalarını teşhiş edici sistem geliştirilmesi
İREM HİLAVİN
Doktora
İngilizce
2016
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KUNTALP
- Diffusion tensor fiber tracking with self-organizing feature maps
Öz düzenleyici haritalar ile difüzyon tensör yolak takibi
DİLEK GÖKSEL DURU
- An evaluation of clustering and districting models for household socio-economic indicators in address based population register system
Adrese dayalı nüfus kayıt sistemi hanehalkı sosyo-ekonomik indikatörlerinin kümeleme ve bölge tasarımı modelleri ile değerlendirilmesi
ŞEYMA ÖZCAN YAVUZOĞLU
Yüksek Lisans
İngilizce
2009
CoğrafyaOrta Doğu Teknik ÜniversitesiJeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı
DOÇ. DR. H. ŞEBNEM DÜZGÜN
- Özdüzenleyici haritalar ile portföy seçimi: BIST-100'de bir uygulama
Portfolio selection with self-organizing maps: An application in BIST 100
SAMİ EŞMEN
Doktora
Türkçe
2020
İşletmeAydın Adnan Menderes Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. MUHSİN ÖZDEMİR