Geri Dön

Genelleştirilmiş entropi optimizasyon yöntemleri ile bulanık veri analizi

Generalized entropy optimization methods with fuzzy data analysis

  1. Tez No: 425729
  2. Yazar: NİHAL YILMAZ
  3. Danışmanlar: PROF. DR. ALADDİN SHAMILOV, DOÇ. DR. SEVİL ŞENTÜRK
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2015
  8. Dil: Türkçe
  9. Üniversite: Anadolu Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Stokastik diferansiyel denklem modellemede genelleştirilmiş entropi optimizasyon yöntemleri

    Generalized entropy optimization methods in stochastic differential equation modeling

    NİHAL İNCE

    Doktora

    Türkçe

    Türkçe

    2021

    İstatistikEskişehir Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. SEVİL ŞENTÜRK

  2. Zaman serilerinde entropi optimizasyon yöntemleri

    Entropy optimization methods in time series

    ÇİĞDEM GİRİFTİNOĞLU

    Doktora

    Türkçe

    Türkçe

    2009

    İstatistikAnadolu Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. ALADDİN ŞAMİLOV

  3. Moment kısıtlarına dayalı genelleştirilmiş entropi yöntemleri

    The generalized entropy methods based on moment constraints

    İLHAN USTA

    Doktora

    Türkçe

    Türkçe

    2009

    İstatistikAnadolu Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. ALADDİN ŞAMİLOV

  4. Regresyonda Maksimum Entropi modellemesi

    Maximum Entropy modelling in regression

    ÖZER DEPREN

    Doktora

    Türkçe

    Türkçe

    2014

    İstatistikMarmara Üniversitesi

    Ekonometri Ana Bilim Dalı

    DOÇ. DR. İLKNUR ESEN YILDIRIM

  5. 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

    İngilizce

    2021

    Matematikİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜL İNAN