Etkin sınıflandırma için genetik algoritma tabanlı öznitelik alt küme seçimi
Feature subset selection method for an effective classification based on genetic algorithm
- Tez No: 397076
- Danışmanlar: ÖĞR. GÖR. OKTAY YILDIZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 130
Özet
Sınıflandırma, Makine Öğrenmesi ve Veri Madenciliği alanında sıklıkla kullanılan önemli yöntemlerden biridir. Öznitelik seçme teknikleri ise sınıflandırma başarısını ve performansını arttırmak için son zamanlarda sıklıkla çalışılan bir alandır. Öznitelik seçimi, metin madenciliği, biyoinformatik ve görüntü analizi gibi pek çok alanda yaygın bir şekilde uygulanmaktadır. Öznitelik seçme teknikleri veri kümesi içinden, sınıflandırma başarısını etkileyen ilgisiz niteliklerin atılması ya da önemli niteliklerin seçilmesi şeklinde olabilir. Böylece sınıflandırıcıların başarısı arttırılabilir. Bu çalışmada, genetik algoritma tabanlı hibrit etkin bir öznitelik seçme metodu önerilmektedir. Bu metot, literatürde sınıflandırma amaçlı sıklıkla kullanılan dört veri kümesi üzerinde denemiştir. Önerilen metot iki aşamadan oluşmaktadır. İlk aşamada, öznitelik havuzu oluşturmak için öznitelik sıralama metotları kullanılmıştır. İkinci aşamada, yüksek sınıflandırma performansı ile en uygun öznitelik alt kümesini seçmek için genetik algoritma kullanılmıştır. Bu çalışmada genetik algoritma ve dört ayrı sınıflandırma algoritması kullanılmıştır. Önerilen metot UCI'dan elde edilen Meme kanseri wisconsin teşhis (WDBC), Tek proton emisyon bilgisayarlı tomografi (SPECT) Heart, Statlog heart ve Meme kanseri wisconsin prognostik (WPBC) veri kümelerinde denenmiş, sırayla 100%, 91,25%, 96,29%, ve 94,8276%sınıflandırma başarısı ile etkin bir öznitelik seçme gerçekleştirilebilmiştir.
Özet (Çeviri)
Classification is one of the important methods commonly used in the Machine Learning and Data Mining. Feature selection technique has frequently used to improve the classification performance in the last decade. Feature selection has applied in wide variety of real world applications, such as text mining, bioinformatics and image analysis. Feature selection techniques within the data set can be classified as disposal of irrelevant attributes that adversely affect performance or the selection of important attributes. Thus, the performance of classifiers can be increased. In this study, a hybrid effective feature selection method is proposed based on genetic algorithm. This method was applied on 4 data sets that have commonly used in the literature. The proposed method consists of two steps. In the first stage, feature ranking methods were used to create feature pool. In the second stage, a genetic algorithm was used to select the proposed optimal subset of features with high classification performance. In this study, the genetic algorithm and four other different classification algorithms were used. The proposed method was applied on wisconsin diagnostic breast cancer (WDBC), Single proton emission computed tomography (SPECT) heart, Statlog heart and Wisconsin prognostic breast cancer (WPBC) data sets taken from the UCI and achieved effective feature selection with 100%, 91,25%, 96,29%, and 94,8276% classification accuracy, respectively.
Benzer Tezler
- Görüş sınıflandırma için makine öğrenmesi algoritmalarına dayalı bir yöntem tasarımı ve gerçekleştirimi
The design and implementation of a method for opinion classification based on machine learning algorithms
AYTUĞ ONAN
Doktora
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA SERDAR KORUKOĞLU
YRD. DOÇ. DR. HASAN BULUT
- Tıbbi görüntülerden derin öğrenme tabanlı hastalık teşhisi için öznitelik çıkarma, sıralama ve seçme yöntemlerine dayalı yeni bir karar destek sistemi
A new decision support system based on feature extraction, ranking and selection methods for deep learning-based disease diagnosis from medical images
TUĞBA NUR BOZKURT
Yüksek Lisans
Türkçe
2024
Mühendislik BilimleriErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET EMİN YÜKSEL
- Online adaptive classification of finger movements for brain computer interfaces
Beyin bilgisayar arayüzleri için el hareketlerinin çevrimiçi uyarlanır modellenmesi
MOHAND LOKMAN AHMAD AL DABAG
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYaşar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NALAN ÖZKURT
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Cilt kanseri sınıflandırması için hibrit derin öğrenme modellerinin geliştirilmesi
Development of hybrid deep learning models for skin cancer classification
İBRAHİM ARUK
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET NUSRET TOPRAK