Genelleştirilmiş entropi optimizasyon yöntemleri ile bulanık veri analizi
Generalized entropy optimization methods with fuzzy data analysis
- Tez No: 425729
- Danışmanlar: PROF. DR. ALADDİN SHAMILOV, DOÇ. DR. SEVİL ŞENTÜRK
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: Türkçe
- Üniversite: Anadolu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 91
Özet
Bu tez çalışmasında, bulanık veri seti analizi için Maksimum Bulanık Entropi (Max(F)Ent) problemi tanımlanmış ve bu problemin çözümü için MinMax(F)Ent ve MaxMax(F)Ent şeklinde Genelleştirilmiş Maksimum Bulanık Entropi (GMax(F)Ent) yöntemleri geliştirilmiştir. Max(F)Ent probleminin çözümünün varlığı Lagrange çarpanları yöntemi ile ispatlanmıştır. Max(F)Ent probleminin GMax(F)Ent yöntemleri ile elde edilen (MinMax(F)Ent)_m ve (MaxMax(F)Ent)_m dağılımları şeklindeki çözümleri ayrıntılı bir şekilde incelenmiş ve veriyi modelleme açısından farklı uygulama alanlarında birbirleriyle karşılaştırılmıştır. (MinMax(F)Ent)_m ve (MaxMax(F)Ent)_m dağılımlarının performansı Maksimum Bulanık Entropi ölçümü, Ki-Kare ve RMSE kriterleri yardımıyla belirlenmiştir. Bu yapılanlara ek olarak, moment kısıt sayıları arttırıldıkça (MinMax(F)Ent)_m ve (MaxMax(F)Ent)_m dağılımlarının veriyi modellemeye etkisi gözlenmiştir. Sonuçlar, MATLAB 7.10.0 (R2010a) programı kullanılarak elde edilmiştir. Bu sonuçlar, bulanık veri analizi için (MinMax(F)Ent)_m ve (MaxMax(F)Ent)_m dağılımlarının veriyi modellemede başarılı bir şekilde uygulanabilir olduğunu göstermiştir.
Özet (Çeviri)
In this thesis, it is defined Maximum Fuzzy Entropy (Max(F)Ent) problem for fuzzy data analysis and in order to solve this problem Generalized Maximum Fuzzy Entropy (GMax(F)Ent) methods in the form of MinMax(F)Ent and MaxMax(F)Ent methods are developed. Then, the existence of solution of Max(F)Ent problem is proved by Lagrange multipliers method. Solutions of Max(F)Ent problem obtained by GMax(F)Ent methods in the form of distributions of (MinMax(F)Ent)_m, (MaxMax(F)Ent)_m are taken into account in detail and compared with each other in the sense of data modelling in the different application fields. The performances of distributions of (MinMax(F)Ent)_m ve (MaxMax(F)Ent)_m are determined by Maximum Fuzzy Entropy measure, Chi – Square criteria, RMSE criteria. Additionally, while the moment constraints are increased, the effects of (MinMax(F)Ent)_m and (MaxMax(F)Ent)_m distributions on the data modeling are observed. The results are acquired by using statistical software MATLAB 7.10.0 (R2010a). The obtained results show that (MinMax(F)Ent)_m and (MaxMax(F)Ent)_m distributions give significant results in the data modeling for fuzzy data analysis.
Benzer Tezler
- Stokastik diferansiyel denklem modellemede genelleştirilmiş entropi optimizasyon yöntemleri
Generalized entropy optimization methods in stochastic differential equation modeling
NİHAL İNCE
Doktora
Türkçe
2021
İstatistikEskişehir Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. SEVİL ŞENTÜRK
- Zaman serilerinde entropi optimizasyon yöntemleri
Entropy optimization methods in time series
ÇİĞDEM GİRİFTİNOĞLU
- Moment kısıtlarına dayalı genelleştirilmiş entropi yöntemleri
The generalized entropy methods based on moment constraints
İLHAN USTA
- Regresyonda Maksimum Entropi modellemesi
Maximum Entropy modelling in regression
ÖZER DEPREN
Doktora
Türkçe
2014
İstatistikMarmara ÜniversitesiEkonometri Ana Bilim Dalı
DOÇ. DR. İLKNUR ESEN YILDIRIM
- Deep feature transfer from deep learning models into machine learning algorithms to classify COVID-19 from chest X-ray images
Göğüs röntgeni görüntülerinden COVID-19 sınıflandırması yapmak amacıyla derin öğrenme modellerinden makine öğrenmesi algoritmalarına derin öznitelik aktarımı
OZAN GÜLDALİ
Yüksek Lisans
İngilizce
2021
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜL İNAN