Doğrusal olmayan temel bileşenler analizi ve sağlık alanında uygulaması
Nonlinear principal component analysis and application in health science
- Tez No: 303404
- Danışmanlar: DOÇ. DR. SIDDIK KESKİN
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Optimal ölçekleme, kayıp fonksiyonu, bileşen yükü, sentroid koordinatları, Optimal Scaling, Loss function, component loading, centroid coordinates
- Yıl: 2010
- Dil: Türkçe
- Üniversite: Yüzüncü Yıl Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 63
Özet
Demir, C, Doğrusal olmayan temel bileşenler analizi ve sağlık alanında uygulaması. Yüzüncü Yıl Üniversitesi, Sağlık Bilimleri Enstitüsü, Biyoistatistik Anabilim Dalı Yüksek Lisans Tezi, Van 2010. Doğrusal Olmayan Temel Bileşenler Analizi, aralarında doğrusal veya doğrusal olmayan ilişki bulunan veri kümeleri için rakamsal ve görsel sonuçlar veren açıklayıcı bir boyut indirgeme yöntemidir. Doğrusal olmayan temel bileşenler analizinde, sayısal değişkenlerin yanında sınıflayıcı ve sıralayıcı değişkenler de aynı anda analize dahil edilebilir. Analizde gözlenen değişkenler arasındaki ilişkilerin doğrusal olduğu varsayımına gerek yoktur. Dolayısıyla, klasik olarak kullanılan yöntemlere göre bazı avantajları bulunan yeni bir yöntem olarak düşünülebilir. Bu çalışmada doğrusal olmayan temel bileşenler analizi genel olarak tanıtılmış, teorik alt yapısı açıklanmış ve konunun anlaşılmasını kolaylaştırmak amacıyla bir uygulama yapılmıştır. Uygulamada farklı değişken kombinasyonları kullanılarak elde edilen sonuçlar, tablolar ve grafikler halinde sunulmuş ve sonuçlar yorumlanmıştır.
Özet (Çeviri)
Demir, C, Nonlinear principal component analysis and application in health science. Yuzuncu Yil University, Institute of Health Sciences, Master Thesis in Department of Biostatics, Van, 2010. Nonlinear Principal Component Analysis is one of the explanatory dimension reducing technique and presents numerical and graphical results for variable set included linear or nonlinear relationships. In Nonlinear Principal Component Analysis, categorical and ordinal variables as well as numerical variables can be included to analysis. Linearity assumption for observed variables does not need for Nonlinear Principal Component Analysis. Thus, as compared with used classical methods, Nonlinear Principal Component Analysis can be considered as new methods had some advantageous. In this study, Nonlinear Principal Component Analysis was introduced and explained theoretical basis and then done an application to expedite of the subject. In the application various variable combinations were considered and obtained results were presented as tables and graphics then these were interpreted.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Multiclass classification of hepatic anomalies based on in vivo microwave dielectric properties
Hepatik anomalilerin in vivo mikrodalga dielektrik özelliklerine dayalı çok sınıflı sınıflandırılması
ZEYNEP GÜLSÜM BİLGEN
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA YILMAZ ABDOLSAHEB
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ
- Kayıp landmark tahmininde kullanılabilecek yöntemlerin performansının karşılaştırılması ve F yaklaşımının önerilmesi
F approach proposal and comparisons of methods used in missing landmark estimation
FATMA EZGİ CAN
Doktora
Türkçe
2020
BiyoistatistikBursa Uludağ ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. İLKER ERCAN
- Doğrusal olmayan temel bileşenler analizi için yapay sinir ağları yaklaşımı
Approach artificial neural network for nonlinear principal components analysis
CANAN DEMİR
Doktora
Türkçe
2019
BiyoistatistikVan Yüzüncü Yıl ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. SIDDIK KESKİN