Geri Dön

Doğrusal olmayan temel bileşenler analizi ve sağlık alanında uygulaması

Nonlinear principal component analysis and application in health science

  1. Tez No: 303404
  2. Yazar: CANAN DEMİR
  3. Danışmanlar: DOÇ. DR. SIDDIK KESKİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyoistatistik, Biostatistics
  6. Anahtar Kelimeler: Optimal ölçekleme, kayıp fonksiyonu, bileşen yükü, sentroid koordinatları, Optimal Scaling, Loss function, component loading, centroid coordinates
  7. Yıl: 2010
  8. Dil: Türkçe
  9. Üniversite: Yüzüncü Yıl Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  2. 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

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA YILMAZ ABDOLSAHEB

  3. Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ

  4. 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

    Türkçe

    2020

    BiyoistatistikBursa Uludağ Üniversitesi

    Biyoistatistik Ana Bilim Dalı

    PROF. DR. İLKER ERCAN

  5. Doğrusal olmayan temel bileşenler analizi için yapay sinir ağları yaklaşımı

    Approach artificial neural network for nonlinear principal components analysis

    CANAN DEMİR

    Doktora

    Türkçe

    Türkçe

    2019

    BiyoistatistikVan Yüzüncü Yıl Üniversitesi

    Biyoistatistik Ana Bilim Dalı

    PROF. DR. SIDDIK KESKİN