Geri Dön

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

Maximum margin multiple kernel clustering by semi-infinite programming

  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: 116

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. 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

  2. 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

  3. TERM büyüme gelişme geriliği olan gebelerde optimal doğum şeklinin destek vektör makine yöntemi ile değerlendirilmesi

    Prediction of labor with TERM intrauterin growth restiriction using support vector machine

    AYŞEGÜL AKYOL KARAHANOĞLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2017

    Kadın Hastalıkları ve DoğumSağlık Bilimleri Üniversitesi

    Kadın Hastalıkları ve Doğum Ana Bilim Dalı

    PROF. DR. SERDAR DİLBAZ

  4. Açık kaynak kodlu işlemci ve işletim sistemleri kullanılarak nesnelerin interneti için enerji etkin düğüm tasarımı ve fpga üzerinde gerçeklenmesi

    Energy efficient node design for internet of things and implementation on fpga by using open source processors and operating systems

    MEHMET ONUR DEMİRTÜRK

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SIDDIKA BERNA ÖRS YALÇIN

  5. Düzleştirici filtresiz tedavi sistemleri için kalem huzme kerneli geliştirilmesi

    Development of pencil beam kernel for flattening filter free treatment systems

    MEHMET ERTUĞRUL ERTÜRK

    Doktora

    Türkçe

    Türkçe

    2019

    Nükleer MühendislikHacettepe Üniversitesi

    Nükleer Enerji Mühendisliği Ana Bilim Dalı

    PROF. DR. CEMİL KOCAR

    PROF. DR. MEHMET TOMBAKOĞLU