Geri Dön

Development of new models using machine learning methods combined with different time lags for network traffic forecasting

Farklı zaman gecikmeleri ile birleştirilmiş makine öğrenme yöntemleri ile internet trafik tahmin modellerinin geliştirilmesi

PDF İndir

  1. Tez No: 431029
  2. Yazar: DERMAN AKGÖL
  3. Danışmanlar: DOÇ. DR. MEHMET FATİH AKAY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2016
  8. Dil: İngilizce
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 131

Özet

Bu tezin amacı İletim Kontrol Protokolü/İnternet Protokolü (TCP/IP) tabanlı ağlardaki İnternet trafik miktarını Destek Vektör Makineleri (SVM), Radyal Tabanlı Fonksiyon Sinir Ağları (RBF), M5P (ağlardaki lineer fonksiyonlu karar ağacı), Rasgele Orman (RF), Rasgele Ağaç (RT), ve İndirgenmiş Hata Budama Ağacını (REP Tree) içeren makine öğrenme yöntemlerini ve Çoklu Lineer Regresyon (MLR) ve Holt-Winters'ı içeren istatiksel regresyon yöntemlerini kullanarak tahmin etmek ve istatiksel ve makine öğrenme yöntemlerinin performanslarını kıyaslamaktır. İnternet trafik tahmin modelleri üretilirken iki farklı İnternet Servis Sağlayıcısından (ISPs) sağlanılan İnternet trafiği verileri kullanılmıştır. Veri setinin ilk %66'sı eğitim kümesi olarak uygulanırken geri kalanı test kümesi olarak kullanılmıştır. Modellerin performansı Ortalama Mutlak Yüzde Hata (MAPE) değeri hesaplanarak değerlendirilmiştir. Sonuçlar, genel olarak SVM tabanlı ve M5P tabanlı modellerin diğer yöntemlerden daha iyi performans elde ettiğini göstermektedir.

Özet (Çeviri)

The purpose of this thesis is to forecast the amount of network traffic in Transmission Control Protocol/Internet Protocol (TCP/IP) -based networks by using different time lags and various machine learning methods including Support Vector Machines (SVM), Multilayer Perceptron (MLP), Radial Basis Function (RBF) Neural Network, M5P (a decision tree with linear regression functions at the nodes), Random Forest (RF), Random Tree (RT), and Reduced Error Prunning Error (REPTree), and statistical regression methods including Multiple Linear Regression (MLR) and Holt-Winters and compare the performance of statistical and machine learning methods. Two different Internet Service Providers' (ISPs) traffic data have been utilized to build traffic forecasting models. The first 66% of the data sets has been utilized as training sets and the rest has been used as test sets. The performance of the forecasting models for the data sets has been assessed using Mean Absulote Percentage Error (MAPE). The results show that SVM and M5P based models usually perform better than the ones obtained by the other methods.

Benzer Tezler

  1. Tez No

    460975

    Development of new hybrid models for prediction of VO2MAX using machine learning methods combined with feature selection algorithms

    Nitelik seçme algoritmalarıyla birleştirilmiş makine öğrenme yöntemleri kullanılarak yeni hibrit VO2MAX tahmin modellerinin geliştirilmesi

    FATİH ABUT

    Doktora

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET FATİH AKAY

  2. Tez No

    553369

    Randomize olmayan klinik çalışmalarda en uygun eşleştirme analizi için makine öğrenme algoritmaları ile yeni propensity skor tahmin modellerinin geliştirilmesi

    Development of new propensity score estimation models with machine learning algorithms for optimal matching analysis in non-randomized clinical trials

    EMRE DEMİR

    Doktora

    Türkçe

    Türkçe

    2019

    BiyoistatistikAnkara Üniversitesi

    Biyoistatistik Ana Bilim Dalı

    DOÇ. DR. SERDAL KENAN KÖSE

  3. Tez No

    887561

    Panoramik görüntüler üzerinden su altı hedef tespiti: DBSCAN ve derin öğrenme ağları ile bütünleşik bir yaklaşım

    Underwater target detection via panoramic images: An integrated approach with DBSCAN and deep learning networks

    FATMA KÜBRA AKIN KÜÇÜK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Savunma ve Savunma Teknolojileriİstanbul Teknik Üniversitesi

    Savunma Teknolojileri Ana Bilim Dalı

    PROF. DR. İBRAHİM ÖZKOL

  4. Tez No

    911475

    A new agro-meteorological drought index based on remote sensing

    Uzaktan algılama temelli yeni bir agro-meteorolojik kuraklık indeksi

    EYYUP ENSAR BAŞAKIN

    Doktora

    İngilizce

    İngilizce

    2024

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET CÜNEYD DEMİREL

  5. Tez No

    439361

    Alt sekans profil haritaları kullanılarak protein katlanması tanıma

    Protein fold recognition using subsequence profile maps

    RUŞEN HALEPMOLLASI

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ÖMER SİNAN SARAÇ

Geri Dön