Çok kernelli en büyük aralık öbeklemesi probleminin yarı-sonsuz optimizasyon ile modellenmesi
Maximum margin multiple kernel clustering by semi-infinite programming
- Tez No: 341160
- Danışmanlar: YRD. DOÇ. DR. SÜREYYA ÖZÖĞÜR AKYÜZ
- Tez Türü: Yüksek Lisans
- Konular: Matematik, Mathematics
- 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
- Yıl: 2012
- Dil: Türkçe
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Ana Bilim Dalı
- Bilim Dalı: Uygulamalı Matematik Bilim Dalı
- 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
- 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
2016
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BİHTER EROL
- Günlük akarsu akımlarının farklı makine öğrenmesi yöntemleri ile tahmini
Forecasting of daily stream flow using various machine learning methods
ULVİYE ZİYA
Yüksek Lisans
Türkçe
2024
İnşaat MühendisliğiAksaray Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ALİ HINIS
- 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
2017
Kadın Hastalıkları ve DoğumSağlık Bilimleri ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
PROF. DR. SERDAR DİLBAZ
- 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
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. SIDDIKA BERNA ÖRS YALÇIN
- 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
2019
Nükleer MühendislikHacettepe ÜniversitesiNükleer Enerji Mühendisliği Ana Bilim Dalı
PROF. DR. CEMİL KOCAR
PROF. DR. MEHMET TOMBAKOĞLU