Geri Dön

Özdüzenleyici haritaların görselleştirilmesi

Visualization of self-organizing maps

  1. Tez No: 302576
  2. Yazar: EKREM ÖNCEL KORKMAZ
  3. Danışmanlar: YRD. DOÇ. DR. SONGÜL ALBAYRAK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2011
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Özdüzenleyici haritalar yöntemi ile banka müşterilerinin bölümlendirilmesi

    Segmentation bank customers using self-organizing maps

    MEHMET ÖZÇALICI

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    BankacılıkGaziantep Üniversitesi

    İşletme Ana Bilim Dalı

    YRD. DOÇ. DR. İBRAHİM HALİL SEYREK

  2. 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

    İngilizce

    2016

    Elektrik ve Elektronik MühendisliğiDokuz Eylül Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET KUNTALP

  3. Diffusion tensor fiber tracking with self-organizing feature maps

    Öz düzenleyici haritalar ile difüzyon tensör yolak takibi

    DİLEK GÖKSEL DURU

    Doktora

    İngilizce

    İngilizce

    2013

    BiyomühendislikBoğaziçi Üniversitesi

    PROF. DR. MEHMED ÖZKAN

  4. 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

    İngilizce

    2009

    CoğrafyaOrta Doğu Teknik Üniversitesi

    Jeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı

    DOÇ. DR. H. ŞEBNEM DÜZGÜN

  5. 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

    Türkçe

    2020

    İşletmeAydın Adnan Menderes Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. MUHSİN ÖZDEMİR