Elipsoid tanıma çemberli bir yapay bağışıklık sistemi tasarımı ve sınıflama problemlerindeki performans analizi
Design of an artificial immune system with ellipsoidal recognition balls and performance analysis of it in classification problems
- Tez No: 315881
- Danışmanlar: YRD. DOÇ. DR. SERAL ÖZŞEN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 141
Özet
Bu çalışmada mühendislik ve diğer uygulama alanlarında karşılaşılan karmaşık problemlerin çözümü için iki yapay zeka sistemi geliştirilmiştir. Yapay zeka sistemlerinin bir alt dalı olan Yapay Bağışıklık Sistemleri (YBS) alanında geliştirilmiş olan sistemler, doğrusal olmayan problemlerin çözümünde kullanılmak üzere tasarlanmıştır. YBS alanında doğrusal olmayan problemlerin çözümünde kullanılan karmaşık sistemlerin var olmayışı, YBS sistemlerinin çoğu alanda iyi bilinen çözüm teknikleri arasında yer almasına engel olmuştur. Bu çalışmada tasarlanan sistemler ile iki farklı şekilde doğrusal olmayan sistem tasarımı gerçekleştirilerek YBS alanındaki bu eksikliğin giderilmesi hedeflenmiştir.Geliştirilen ilk sistem klonsal seçme tabanlı elipsoidal yapay bağışıklık sistemi olup sistemin gerçek problemlerdeki performansını görmek ve literatürde yer alan diğer sistemlerle karşılaştırmak için, UCI veri tabanından alınan Statlog Heart Disease, BUPA Liver Disorder ve Pima Diabetes veri kümeleri üzerinde uygulanmıştır. Sistem Statlog Heart Disease veri kümesi için ortalama % 84.61, BUPA Liver Disorder veri seti için ortalama % 85.45 ve Pima Diabetes veri kümesi için ortalama % 79.97' lik sınıflama doğrulukları elde etmiştir.Geliştirilen ikinci sistem ise klonsal seçme tabanlı elipsoid şekilli katmanlı-YBS sistemi olup sistemin gerçek problemlerdeki performansını görmek için, yine aynı şekilde İris, BUPA Liver Disorder, Statlog Heart Disease ve Pima Diabetes veri kümeleri üzerinde uygulanmıştır. Sistem İris veri kümesi için ortalama % 98.26, BUPA Liver Disorder veri seti için ortalama % 65.22, Statlog Heart Disease veri kümesi için ortalama % 78.66 ve Pima Diabetes veri seti için ortalama % 72.25' lik sınıflama doğrulukları elde edilmiştir. Geliştirilen bu sistem maksimum 200 saniyede eğitme işlemini tamamlamıştır. Yani çok kısa sürede sonuç alınabilmektedir.
Özet (Çeviri)
In this study, two Artificial Intelligence system were developed for the solution of complex problems in the engineering and other application areas. The systems developed in the Artificial Immune Systems (AIS) field which is a sub-branch of Artificial Intelligence, were designed to be used in nonlinear problems. The non-existence of complex systems in AIS that solve nonlinear problems has prevented AIS systems from being among the well-known solutions in most fields. The systems designed in this study aimed to compansate this deficiency by providing a nonlinear structure in two different ways.The first of the developed systems is ellipsoidal artificial immune system based on clonal selection. The system was applied on the Statlog Heart Disease, BUPA Liver Disorders and Pima Diabetes datasets taken from the UCI database to see the performance of the developed system in real problems and to compare with other systems in the literature. The system obtained a classification accuracy of average 84.61% for Statlog Heart Disease dataset, a classification accuracy of average 85.45% for BUPA Liver Disorders dataset and a classification accuracy of average 79.97% for Pima Diabetes dataset.The second of the developed systems is ellipsoid-shaped layer-AIS system based on clonal selection. In the same way, the system applied on the Iris, Statlog Heart Disease, BUPA Liver Disorders and Pima Diabetes datasets to see the performance of the developed system in real problems. The system obtained a classification accuracy of average 98.26% for Iris dataset, a classification accuracy of average 65.22% for BUPA Liver Disorders dataset, a classification accuracy of average 78.66% for Statlog Heart Disease dataset and a classification accuracy of average 72.25% for Pima Diabetes dataset. The training time of the developed system is completed maximum in 200 seconds. That is, the result can be taken in very short time.
Benzer Tezler
- 3d face representation and recognition using spherical harmonics
Küresel harmoniklerle 3 boyutlu yüz modelleme ve tanıma
FAHRİ TUNÇER
Doktora
İngilizce
2008
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. UĞUR HALICI
- Elipsoidsel projektif düzlem modelinin inşa ve incelenmesi
Başlık çevirisi yok
AYŞE KORKMAZOĞLU
Yüksek Lisans
Türkçe
1996
MatematikEskişehir Osmangazi ÜniversitesiMatematik Ana Bilim Dalı
PROF.DR. RÜSTEM KAYA
- Lineer programlama algoritmalarında hesaplama karmaşıklığı ve karmarkar algoritması
Computational complexity in lineer programming algorithms and Karmarkar's algorithm
NESRİN ESEN
Yüksek Lisans
Türkçe
1999
MatematikEskişehir Osmangazi ÜniversitesiMatematik Ana Bilim Dalı
YRD. DOÇ. DR. N. KEMAL ERDOĞAN
- GPS yöntemi ile yükseklik belirlenirken interpolasyon yöntemlerinin kullanılması
Determination of orthometric heights using GPS and interpolation methods
AYSEL KARTAL
Yüksek Lisans
Türkçe
1998
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiJeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER AYDIN
- Akciğer hidatik kistinin tedavisinde radyofrekans termal ablasyon (RFTA)' un yeri (EX-VİVOçalışma)
The role of radi̇ofreqiencythermal ablati̇on (RFTA) i̇n treatment of puşmonary hydati̇d CYS (ex-vi̇vo study)
AHMET DUMANLI
Tıpta Uzmanlık
Türkçe
2014
Göğüs Kalp ve Damar CerrahisiNecmettin Erbakan ÜniversitesiGöğüs Cerrahisi Ana Bilim Dalı
PROF. DR. SAMİ CERAN