Geri Dön

Veri-bağımlı sınırlayıcı kullanan dinamik zaman bükmesi algoritmasının geliştirilmesi

Developing data-driven lower bounding dynamic time warping algorithm

  1. Tez No: 320810
  2. Yazar: MOHAMMED ZAENAL
  3. Danışmanlar: YRD. DOÇ. DR. METE ÇELİK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Veri madenciliği, dinamik zaman bükmesi, zaman serileri analizi, veri bağımlı sınırlayıcı, Data mining, dynamic time warping, time series analysis, data-driven lower bounding
  7. Yıl: 2012
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 45

Özet

Zaman serilerinin analizi ve sınıflandırılması için çeşitli teknikler geliştirilmiştir. Dinamik Zaman Bükmesi (DZB - Dynamic Time Warping) zaman sınıflandırma tekniklerinden birisidir ve iki zaman serisinin birbirinin benzeri olup olmadığını belirlemek için kullanılır. Ancak literatürde önerilen DZB yaklaşımlarının iyileştirilmesi gereken iki alan mevcuttur. İlk olarak, ciddi büyüklükteki veri kümeleri ve dolayısı ile sınıflandırma ölçeklenebilirliği sorun olarak kalmıştır. İkinci olarak, sınıflandırma doğruluğunun yükseltilmesi gerekmektedir. Bu tez çalışmasında veri-bağımlı sınırlayıcı kullanan DZB algoritması geliştirilmiştir ve önerilen algoritma Sakoe-Chiba bandı kullanan DZB algoritması ile karşılaştırılmıştır. Önerilen algoritmanın performansı Sakoe-Chiba bandı kullanan DZB algoritmasına göre daha yüksektir ve elde edilen sonuçlar umut vericidir.

Özet (Çeviri)

Various techniques have been developed for the time series analysis and classification. Dynamic time warping is one of the classification techniques which is used to determine the two time series whether is similar or not similar to each other. However, there are two areas that need to be improved in the DTW approaches which are proposed in the literature. First, the size of the datasets are too big and so the classification scalability remains as a challenging issue. Second, classification accuracy should be improved. In this study, a data-driven lower bounding DTW algorithm is proposed and the proposed approach is compared with Sakoe-Chiba lower bounding DTW algorithms. The proposed algorithm outperforms Sakoe-Chiba lower bounding DTW algorithm and the results are promising.

Benzer Tezler

  1. Video üzerinde derin öğrenme ile nesne sansürlüme

    Sensor processing on video with deep learni̇ng

    YERNIYAZ BAKHYTOV

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. CEMİL ÖZ

  2. Tekni̇k ve endüstri̇ meslek li̇sesi̇ öğrenci̇leri̇ni̇n i̇ş sağlığı ve güvenli̇ği̇ kültürüne bakış açısı

    Perspectıve of technıcal and ındustrıal hıgh school students on occupatıonal health and safety culture

    HÜSEYİN AKBABA

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Eğitim ve ÖğretimOkan Üniversitesi

    İş Sağlığı ve Güvenliği Ana Bilim Dalı

    YRD. DOÇ. DR. MUSTAFA YAĞIMLI

  3. Computational analysis of external store carriage in transonic speed regime

    Harici yük taşımanın transonik sürat bölgesinde hesaplamalı analizi

    İ. CENKER ASLAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2003

    Havacılık Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AYDIN MISIRLIOĞLU

    PROF. DR. OKTAY BAYSAL

  4. Pamuk bitkisinden izole edilen nikotinamid adenin dinükleotid bağımlı format dehidrogenazın stabilitesinin arttırılması

    Increasing stability of nicotinamide adenine dinucleotide dependent format dehydrogenase isolated from cotton plant

    REYHAN AKKUZU

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    BiyolojiYıldız Teknik Üniversitesi

    Moleküler Biyoloji ve Genetik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ EMEL ORDU

  5. Molecular mechanisms of PI3K isoform dependence in carcinogenesis

    Karsinojenezde PI3K izoform bağımlılığı değişikliğinin moleküler mekanizması

    SENA ATICI

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Biyokimyaİhsan Doğramacı Bilkent Üniversitesi

    Moleküler Biyoloji ve Genetik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ONUR ÇİZMECİOĞLU