Diyabet verilerinin destek vektör makineleri kullanılarak sınıflandırılması
Classification of diabetes data using support vector machines
- Tez No: 335394
- Danışmanlar: YRD. DOÇ. DR. METE ÇELİK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 79
Özet
Diyabet hastalığının vücuda verdiği zararlardan dolayı pek çok komplikasyon oluşabilir. Bu komplikasyonların sınıflandırılması doktorlar için zaman alıcı bir uğraş olmakta ve bununla birlikte karar aşamasında onları yanlış yönlendiren pek çok faktör de ortaya çıkabilmektedir. Diyabetin bilinen pek çok komplikasyonu vardır. Bunlar, kalp hastalıkları, sinir hastalıkları, böbrek yetmezlikleri, görme kayıpları, bazı işitme eksiklikleri ve depresyon problemleri olarak örneklenebilir. Bu komplikasyonlar ayrı ayrı olarak hastalarda görülebileceği gibi pek çok komplikasyon aynı hastada görülebilir. Komplikasyon sayısının fazla oluşu ve pek çok komplikasyonların aynı hastada görülebilir olması doktorların karar vermelerini zorlaştırdığından dolayı, bir karar destek sisteminin geliştirilmesi bu çalışma ile gerçekleştirilmiştir. Literatürde iki sınıflı problemlerin sınıflandırılması için destek vektör makineleri adı verilen bir metot geliştirilmiştir. Bu metot sınıflandırma problemlerinde göstermiş olduğu yüksek performanstan dolayı sıklıkla tercih edilmektedir. Çok sınıflı problemlere destek vektör makinelerinin uygulanmasını sağlamak amacıyla çeşitli stratejiler geliştirilmiştir. Bunlar, Bire Bir ve Bire Hepsi stratejileridir. Yapılan bu çalışmada, diyabet veri kümesinin sınıflandırılması için Bire Bir stratejili Çok Sınıflı Destek Vektör Makineleri yöntemi önerilmiş ve literatürde bilinen tekniklerle karşılaştırılmıştır.
Özet (Çeviri)
A lot of complications can occur in patients body due to damages caused by diabetes. Classification of these complications is a time consuming job for doctors and a lot of factors that misguide doctors can occur in decision stage. There are a lot of complications of diabetes such as heart disease, nerve diasease, kidney failure, eye damage, some hearing deficiencies and depression problems. As these complications can be seen seperately in patients, also they can be occur together in the same patient. Because of being great number of complications and occuring a lot of complications together in the same patient make doctors complicate to decide, developing a decision support system was implemented in this study. In literature, support vector machines were developed for classification of two classes problems. This method is frequently prefered in classification problems because of it's high performance. With the purpose of providing the implementation of support vector machines in multi class problems, various strategies were developed. These are One Againist One and One Againist All strategies. In this study, Multi Class Support Vector Machines with One Againist One strategy was proposed for classification of diabetes data set and it is compared with known techniques in literature.
Benzer Tezler
- Tıbbi karar destek sisteminin veri madenciliği yöntemleriyle gerçekleştirilmesi
Verifying medical decision support system with the methods of data mining
TUBA PALA
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
PROF. DR. A. YILMAZ ÇAMURCU
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Makine öğrenmesi yöntemleriyle kalp hastalıklarının teşhis edilmesi
Diagnosing heart desease by means of machine learning methods
MERTCAN GÖRGÜN
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET GÜRHANLI
- Tensor based feature extraction in kernel machines
Tensor based feature extraction in kernel machines
NAGHAM RASHEED HAMEED AL-SAEDI
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZKAN UFUK NALBANTOĞLU
- Özellik çıkarma ve DVM tabanlı AdaBoost algoritması ile biyomedikal veri sınıflandırma
Biomedical data classification with feature extraction and SVM based AdaBoost algorithm
MÜCAHİD BARSTUĞAN
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. RAHİME CEYLAN