Destek vektör makineleri üzerine bir çalışma
A study on support vector machines
- Tez No: 372757
- Danışmanlar: PROF. DR. TURHAN MENTEŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, İstatistik, Matematik, Computer Engineering and Computer Science and Control, Statistics, Mathematics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Destek Vektör Makineleri, oluşturulan ve problemin çözümünde kullanılan etkili matematiksel optimizasyon yöntemleri sayesinde yüksek boyutlu ve küçük sayıda eğitim verisinden öğrenebilen yeni nesil bir öğrenme metodu olarak Vladamir Vapnik tarafından 1995 yılında önerilmiştir. Destek Vektör Makineleri'nin dayandığı teori olan“İstatistiksel Öğrenme Teorimi”, Vladamir Vapnik ve Alexey Chervonenkis tarafından 1960'da önerilmiş ve 1970'li yıllarda geliştirilmiştir. Destek Vektör Makineleri, doğrusal olmayışı modellemek için çekirdek fonksiyonların kullanılması, genelleştirebilme yeteneğinin yüksek olması, teorik yapısının kuvvetli ve uygulamalarda hızlı performans göstermesi nedeniyle, son yıllarda, örüntü tanımlamada, bağlanım analizinde, yüz tanımlamada, resim ve metin sınıflandırmada, veri madenciliğinde, kalite kontrol yöntemlerinde, finans, ekonomi, genetik, biyoloji ve diğer biyoenformatik uygulamalarda sıklıkla kullanılmaya başlanmıştır. Bu nedenle bu tez çalışmasında Destek Vektör Makinelerinin teorik alt yapısı ve kompütasyonel yaklaşımlar detaylı bir şekilde ele alınıp incelenmiştir. Wisconsin Göğüs Kanseri veri seti üzerinde sınıflandırma analizi ve Hollanda'nın Brabant şehrine ait elektrik yük verisi ise bağlanım analizi için kullanılarak Destek Vektör Makineleri'nin performansı tanıtılmıştır.
Özet (Çeviri)
Support Vector Machines were introduced by Vladamir Vapnik in 1995 as a new-generation technique, learning from training set which is high-dimensional and whose sample size is much small, by creating and solving a quadratic programming problem using some novel mathematical optimization techniques. Statistical Learning Theory, which Support Vector Machines algorithm is based on, has been proposed in 1960s by Vladamir Vapnik and Alexey Chervonenkis and has been literally developed in 1970s. Due to the use of kernel functions to model non-linearity, high performance of generalization, powerful theoretical foundations and the ability to train relatively quickly, in the last decades, this method has been utilized frequently and mostly on pattern recognition, regression analysis, face recognition, image and text classification, data mining, quality control and applications of finance, economy, genetic, biology and bioinformatic. In this thesis, we discuss the theoretical basis and computational approaches to Support Vector Machines in details. Then, we discuss its performance on Wisconsin Breast Cancer dataset for classification and on an original electrical load data set of Brabant province of the Netherlands for regression.
Benzer Tezler
- Destek vektör makineleri: Banka başarısızlığının tahmini üzerine bir uygulama
Support vector machines: An application on prediction of bank failure
SEDA TOLUN
- Dalgacık dönüşümü ve destek vektör makineleri ile tahmin: BIST üzerine bir uygulama
Forecasting with wavelet transform and support vector machines: An application on BIST
MUHAMMET YASİR ALTINTOP
- Destek vektör makineleri ile ses tanıma uygulaması
Speech recognition application with support vector machines
OSMAN ERAY
Yüksek Lisans
Türkçe
2008
Elektrik ve Elektronik MühendisliğiPamukkale ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERDAR İPLİKÇİ
- Yapay sinir ağları ve destek vektör makineleri ile kemik erimesinin teşhisi
Diagnosis of osteoporosis using artificial neural networks and support vector machines
MUSTAFA İSTANBULLU
Yüksek Lisans
Türkçe
2013
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SEDEF KENT
- Apache spark tabanlı destek vektör makıneleri ile akan büyük veri sınıflandırma
Apache spark based distributed svm algorithm for stream data classification
BARIŞ AKGÜN
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞULE GÜNDÜZ ÖĞÜDÜCÜ