Geri Dön

Çok kernelli en büyük aralık öbeklemesi probleminin yarı-sonsuz optimizasyon ile modellenmesi

Maximum margin multiple kernel clustering by semi-infinite programming

PDF İndir

  1. Tez No: 341160
  2. Yazar: GÜLNUR SEICHAN OGLOU
  3. Danışmanlar: YRD. DOÇ. DR. SÜREYYA ÖZÖĞÜR AKYÜZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Matematik, Mathematics
  6. Anahtar Kelimeler: Makine Öğrenmesi, Öbekleme, Destek Vektör Makineleri, En Büyük Aralık ile Sınıflandırma, Kernel, Optimizasyon, Yarı ? Sonsuz Programlama, Çok Kernelli Öğrenme, Machine Learning, Clustering, Support Vector Machines, Maximum Margin Classification, Kernel, Optimization, Semi ? Infinite Programming, Multiple Kernel Learning
  7. Yıl: 2012
  8. Dil: Türkçe
  9. Üniversite: Bahçeşehir Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Matematik Ana Bilim Dalı
  12. Bilim Dalı: Uygulamalı Matematik Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Makine öğrenmesi, yapay zekâ bilim dalının alt konusu olup, çok sayıda verinin insan kapasitesi ile analiz edilemeyeceği durumlarda, veri analizinde ve veriden anlamlı davranışlar ve kurallar çıkararak ileriye doğru tahminler yapabilen, algoritmalar geliştiren bilim dalıdır. Günümüzde teknolojinin verdiği kolaylık ile çok sayıda veri elde edilebilmekte ve problemi çözmek için farklı kaynaklardan verilere ihtiyaç duyulmaktadır. Kernel algoritmaları verinin kendi içinde benzerliğini ölçen yöntemlerdir. Kernel yöntemleri ile öğrenme algoritmalarının sınıflandırma ve öbekleme problemlerinde başarılı oldukları, literatürde gerçel veri üzerinde kanıtlanmıştır.Bu tezin konusu olan eğiticisiz öğrenme yöntemlerinden biri olan öbekleme yöntemi kernel algoritmaları ve optimizasyon teorisi ile geliştirilmiştir. Farklı kaynaklardan gelen verinin öbeklenmesinde, çoklu kernellerden yararlanılarak en büyük aralık ile öbekleme problemi yarı sonsuz programlama kullanılarak modellenmiştir. Bu çalışma literatüre iki farklı katkıda bulunmuştur: 1) Çok kernelli en büyük aralık ile öbekleme probleminde kernel katsayıları l_1 ? norma kısıtlanarak seyrek (sparse) çözümler üretebilirken, ağırlık vektörleri l_2 ? norma cezalandırılmıştır. 2) En büyük aralık ile çok kernelli öbekleme problemi Yarı ? Sonsuz Programlama ile modellenmiştir.

Özet (Çeviri)

Machine learning is the subfield of the artifical intelligence which finds the significant behaviours or functions from the data for future predictions where the human capacity does not allow to do. With the development of the high technology large number of data can be obtained and data from different sources are needed to model the real world problems. Kernel methods and learning algorithms are proven to be successful on real world data for the classification and clustering problems.In this thesis, kernel clustering method is developed which is one of the unsupervised learning methods by using optimization theory. For the clustering of the data which come from different sources, maximum margin clustering is modelled with multiple kernel learning by using Semi ? Infinite Programming. This study has two major contribution to the literature: 1) In maximum margin clustering by multiple kernel learning, kernel coefficients are constrained to l_1 norm to produce a sparse solution while the weight vectors are penalized to l_2 ? norm, 2) Maximum margin clustering by multiple kernel learning problem is modelled via Semi-infinite Programming.

Benzer Tezler

  1. Tez No

    538190

    Understanding the sources and the extend of atmospheric particulate matter problem over Turkey using mesoscale chemical transport model

    Orta ölçekli kimyasal taşınım modeli ile Türkiye'deki partikül madde problemi ve kaynaklarının araştırılması

    METİN BAYKARA

    Doktora

    İngilizce

    İngilizce

    2018

    Çevre Mühendisliğiİstanbul Teknik Üniversitesi

    İklim ve Deniz Bilimleri Ana Bilim Dalı

    PROF. DR. ALPER ÜNAL

  2. Tez No

    439603

    An investigation on the contribution of GOCE satellite mission to regional geoid modelling in Turkey

    GOCE uydu misyonunun Türkiye'de bölgesel geoit modellemeye katkısı üzerine bir inceleme

    MUSTAFA SERKAN IŞIK

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BİHTER EROL

  3. Tez No

    520102

    On the analysis and evaluation of sparse hybrid linear solvers

    Sparse hibrit doğrusal çözücülerinin analizi ve değerlendirilmesi

    AFRAH NAJIB ABDULLAH FAREA

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Hesaplamalı Bilim ve Mühendislik Ana Bilim Dalı (disiplinlerarası)

    PROF. DR. MUSTAFA SERDAR ÇELEBİ

  4. Tez No

    836278

    Bağımsız denetimde makine öğrenmesi Yaklaşımı: Borsa İstanbul A.Ş. örneği

    Machine learning approach in auditing: Borsa Istanbul A.Ş. case

    FATİH FAYDALI

    Doktora

    Türkçe

    Türkçe

    2023

    İşletmeKırgızistan-Türkiye Manas Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. BİLAL SOLAK

  5. Tez No

    891757

    Günlük akarsu akımlarının farklı makine öğrenmesi yöntemleri ile tahmini

    Forecasting of daily stream flow using various machine learning methods

    ULVİYE ZİYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    İnşaat MühendisliğiAksaray Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET ALİ HINIS

Geri Dön