Geri Dön

Yapay arı koloni algoritması ile kural tabanlı sınıflandırma yöntemlerinin geliştirilmesi

Developing rule based classification approaches using artificial bee colony algorithm

  1. Tez No: 406106
  2. Yazar: FEHİM KÖYLÜ
  3. Danışmanlar: PROF. DR. DERVİŞ KARABOĞA
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2015
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Güncel sürü zekâsı algoritmalarıyla sınıflandırma kurallarının keşfi

    Classification rule mining with current swarm intelligence algorithms

    SİNEM AKYOL

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTunceli Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. BİLAL ALATAŞ

  2. Baş ağrısı teşhisi için bir karar destek sisteminin geliştirilmesi

    Development of a decision support system for headache diagnosis

    UFUK ÇELİK

    Doktora

    Türkçe

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. NİLÜFER YURTAY

  3. 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

    Türkçe

    2016

    Endüstri ve Endüstri MühendisliğiErciyes Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. LALE ÖZBAKIR

  4. Yapay arı koloni algoritması ile bir saldırı tespit sistemi

    An intrusion detection system with artificial bee colony algorithm

    MURAT ÇELİK

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. RİFAT KURBAN

  5. 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

    Türkçe

    2021

    Jeofizik MühendisliğiSüleyman Demirel Üniversitesi

    Jeofizik Ana Bilim Dalı

    PROF. DR. ÇAĞLAYAN BALKAYA