Yapay arı koloni algoritması ile kural tabanlı sınıflandırma yöntemlerinin geliştirilmesi
Developing rule based classification approaches using artificial bee colony algorithm
- Tez No: 406106
- Danışmanlar: PROF. DR. DERVİŞ KARABOĞA
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 316
Özet
Veri madenciliği, veri yığınları üzerinden anlamlı, ilginç, bilinmeyen bilginin farklı biçimlerde çıkartılması süreçlerine verilen genel isimdir. Kolay ve ekonomik biçimde toplanan ve çok büyük boyutlara ulaşan verinin işlenmesi gereken önemli bir ham maddeye dönüştüğü günümüz bilgi çağında, veri madenciliği; daha önce anlaşılamamış bir çok karmaşık problemin çözümlenmesi ve karar destek sistemlerinde kullanılmaktadır. Klasik sezgisel algoritmalar, veriler arasında ortak özellikleri istatistik hesaplamalar (bilgi kazancı, entropi vb.) yardımıyla çıkarıp sınıflandırma kurallarını öğrenir. Verideki gürültü, çok boyutlu problem için yetersiz ve çözüm uzayına dengeli dağılmayan veri gibi nedenler kural öğrenmenin zorluklarıdır. Çok fazla ihtimalin olduğu sınırsız boyutlu karmaşık problemler için, en iyi çözüme kısa sürede yakınsayabilen stokastik meta-sezgisel araştırma yöntemleri literatürde kural öğrenimi için de sıklıkla kullanılmıştır. Bu algoritmalar, doğadaki kimyasal, fiziksel, biyolojik, genetik ve sürü davranışı gibi zeki sistemlerden esinlenmiştir. Yapay Arı Koloni algoritması, optimizasyon problemlerinde diğer meta-sezgisel algoritmalara göre daha yüksek performans sergilemektedir. Bu tez çalışmasında, Yapay Arı Koloni Algoritması'na dayalı 3 farklı sınıflandırma öğrenme algoritması geliştirilmiştir. Geliştirilen algoritmalar, literatürde sıklıkla kullanılan test problemleri üzerinde test edilerek, sonuçları diğer kural öğrenme algoritmaları ile karşılaştırılmıştır. Geliştirilen algoritmalar, daha yüksek başarı oranlarına sahip probleme bağımlı olmadan genel kurallar keşfedebilmiştir.
Özet (Çeviri)
Data mining is the process of extracting the meaningful, interesting, and unknown information from datasets. Nowadays, acquiring and storing the vast amount of data are cheap and easy. Information age gives the advantage of analysing and giving decisions for different complex problems which are not apprehensible before. Classical heuristic algorithms extract the common features between data with the help of the statistical measurements (entropy, information gain, etc.) and build the rules. The noise, multi-dimensionality, insufficient data, and unbalanced observations decreases the performance of classical methods. Stochastic meta-heuristic search methods converge to the global solution of complex problems with infinite dimensions and probabilities in a short time. These algorithms were inspired by chemical, physical, biological, genetic, and swarm based intelligent behaivoral systems. In literature, meta-heuristic algorithms are used for rule learning. Artificial Bee Colony (ABC) algorithm is one of the swarm-based algorithms and it is applied on many optimization problems successfully. This thesis proposes three different ABC based classification algorithms. Algorithms are evaulated on most popular test problems used in the literature. The results are compared with the state-of-the-art rule learning algorithms. The results show that the proposed algorithms can discover classification rules efficiently.
Benzer Tezler
- Güncel sürü zekâsı algoritmalarıyla sınıflandırma kurallarının keşfi
Classification rule mining with current swarm intelligence algorithms
SİNEM AKYOL
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTunceli ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BİLAL ALATAŞ
- Baş ağrısı teşhisi için bir karar destek sisteminin geliştirilmesi
Development of a decision support system for headache diagnosis
UFUK ÇELİK
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. NİLÜFER YURTAY
- Yeni nesil metasezgisel yaklaşımların kümeleme performanslarının karşılaştırılması: Resmi istatistiklerde uygulama
Comparison of new generation metaheuristic approaches clustering performances: Application in official statistics
FATMA TURNA
Doktora
Türkçe
2016
Endüstri ve Endüstri MühendisliğiErciyes ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. LALE ÖZBAKIR
- Yapay arı koloni algoritması ile bir saldırı tespit sistemi
An intrusion detection system with artificial bee colony algorithm
MURAT ÇELİK
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. RİFAT KURBAN
- Doğal uçlaşma belirtilerinin yapay arı koloni algoritması ile ters çözümü
Inversion of self-potential anomalies using artificial bee colony algorithm
MERVE ERAY
Yüksek Lisans
Türkçe
2021
Jeofizik MühendisliğiSüleyman Demirel ÜniversitesiJeofizik Ana Bilim Dalı
PROF. DR. ÇAĞLAYAN BALKAYA