Hastalıkların uyarlanmış destek vektör makinesiyle teşhis edilmesi
Diagnosis of disease by adapted support vector machine
- Tez No: 390474
- Danışmanlar: DOÇ. DR. ERDAL KILIÇ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
- Anahtar Kelimeler: Hastalık Teşhisi, Yapay Zeka, UDVM, Çoğunluk Oylaması, Diagnosis of Diseases, Artificial Intelligence, ASVM, Majority Voting
- Yıl: 2015
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 83
Özet
Bu çalışma, birçok alanda yaygın olarak kullanılan destek vektör makinelerinin (DVM) tıbbi araştırmalardaki kullanımına yönelik uygulamalara yardımcı olmak için yapılmıştır. Çalışmada, verileri daha doğru sınıflandırmak veya tahmin etmek amacıyla uyarlanmış çekirdek fonksiyonlu DVM'ler kullanılmıştır. Sınıflandırıcıların başarım oranlarının yüksek olabilmesi için DVM'de kullanılan parametrelerin uygun seçilmesi gerekmektedir. Çekirdek fonksiyonlu DVM'ler için bu parametrelerin önemli olanları sigma değerleri ve polinom dereceleridir. Dolayısıyla bu çalışmada sigma değerleri ve polinom dereceleri parametreleri ele alınmış olup, önerilen yöntemleelde edilen uygun parametreler doğru sınıflandırma başarım oranlarını artırmıştır. Sonuç olarak,“Uyarlanmış DVM (UDVM)”adında, farklı tipteki sınıflandırıcılardan elde edilen sonuçların çoğunluk oylaması ile değerlendirilerek başarım oranları yüksek sonuçlar üretilmesine olanak sağlayan otomatik bir hastalık tanıma yöntemi geliştirilmiştir. Farklı veri setleri için bu çalışmada önerilen UDVM yöntemi kullanılarak elde edilen sonuçlar incelendiğinde, UDVM yöntemi, genel amaçlı, otomatik, yüksek başarımlı, içerisinde farklı sınıflandırma algoritmaları bulunduran, doğru sınıflandırma başarım oranını etkileyen parametrelerini ideal olarak otomatik uyarlayabilen, verileri sınıflamada etkin bir yöntemdir.
Özet (Çeviri)
This paper has been prepared in order to assist the use of Support Vector Machine (SVM), which is widely used in many areas, in medical researches. Adapted kernel function SVMs have been used so as to predict or classify data properly. The parameters used for SVMs should be selected properly to increase the success rate of classifiers.The sigma values and and the degrees of polynomial are important parameters for kernel function SVMs. Thereby dealing with sigma values and degrees of polynomial in this paper, the derived parameters by proper method have increased the success rate of proper classify. Consequently an automatic disease diagnosis method which enables generate high success results by evaluating the results obtained from distinct classifiers by majority voting, entitled the Adapted SVM (ASVM). Examining the results obtained by using ASVM method which is suggested for distinct data sets in this paper, ASVM is a general-purpose, automatic, high successful, effective at classification of data, seperate classification algorithm included method which can adapt the effective parameters of proper classification success rate ideally.
Benzer Tezler
- EMG sinyallerinin yapay sinir ağı kullanılarak sınıflandırılması
Classification of EMG signals using artificial neural network
SABRİ KOÇER
Doktora
Türkçe
2005
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
PROF.DR. NİHAL FATMA GÜLER
- Intelligent arrhythmia classification based on support machines
Destek vektör makineleri kullanılarak aritmi sınıflandırması
ASLI UYAR ÖZKAYA
Yüksek Lisans
İngilizce
2006
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FİKRET GÜRGEN
- Yapay sinir ağları ve derin öğrenme teknikleri kullanılarak elma ve ayvada çeşitli hastalıkların tespit edilmesi
Detection of various diseases in apple and quince by using artificial neural networks and deep learning techniques
AYSUN YILMAZ KIZILBOĞA
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ATİLLA ERGÜZEN
- EEG ve göz izleme sistemleriyle gerçek zamanlı veri seti oluşturmak için bilgisayar destekli arayüz tasarımı
Computer-aided interface design for real-time dataset generation with EEG and eye-tracking systems
ÖMER FARUK YILDIZ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET REŞİT KAVSAOĞLU
- Anne sağlığı riski için makine öğrenmesi modellerinin performans karşılaştırması
Performance comparison of machine learning models for maternal health risk
ŞEYMA KARACA
Yüksek Lisans
Türkçe
2023
Çocuk Sağlığı ve HastalıklarıÜsküdar ÜniversitesiYapay Zeka Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKALP TULUM