Feature extraction methodology for provenance data using SNA metrics
Sosyal ağ analizi metrikleri kullanarak provenans verisinden özellik çıkarımı yöntemi
- Tez No: 432183
- Danışmanlar: YRD. DOÇ. DR. MEHMET SIDDIK AKTAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 62
Özet
Provenans (Veri kökü) verisinin yapısını ve konseptini öğrenmek için bir iş akışını takip eden iş akışı sistemine ihtiyaç vardır. Provenans (Veri kökü) verisi çok hızlı büyüdüğünden ayrıntıyı yakalamak gittikçe zorlamaktadır. Bu çalışma da kompleks yapılı bilgi tabanlı provenance göstermi üzerinde çalışılmıştır. Bilimsel iş akışlarının çalışma izlerinin takibi için yapılan boyut azaltımlı provenans (veri kökü) gösterimi yöntemi analizleri gizlenmiş olan yapıları başarılı bir şekilde gruplamayı başarmıştır. Bu çalışmada aynı zamanda kompleks yapıdaki veriler içerisinden en çok kullanışlı, faydalı olan yapıları da tespit etmektedir. Bu çalışmanın yapılan bir önceki çalışmalardan farkı önceki çalışmaların kararsız boyutlarda olması bu yöntemde ise sabit ve daha az boyutlu veriler ile çalışarak daha iyi başarım elde edilmesidir. Yapılan çalışma da yeni yöntemin veri madenciliği algoritmaları kullanılarak daha üstün başarım elde ettiği ortaya konulmuştur.
Özet (Çeviri)
Learning structure and concepts in provenance data have created a need for monitoring scientific workflow systems. Provenance data is capable of expanding quickly due to the catch level of granularity, which can be quite high. This study examines complex structural information based provenance representations, such as Network Overview and Social Network Analysis. Further examination includes whether such reduced provenance representation approaches achieve clustering effective for understanding the hidden structures within the execution traces of scientific workflows. The study applies clustering on a scientific dataset from a weather forecast to determine its usefulness, compares the proposed provenance representations against prior studies on reduced provenance representation, and analyzes the quality of clustering on different types of reduced provenance representations. The results show that, compared to prior studies on representation, the Social Network Analysis based representation is more capable of completing data mining tasks like clustering while maintaining more reduced provenance feature space.
Benzer Tezler
- A deep learnıng-based feature extractıon and classıfıcatıon for students actıvıtıes ın exam
Sınavda öğrenci etkinliklerinin etiketlenmesi için derin öğrenme temelli özniteliklerin çıkarılması ve sınıflandırılması
MUSA DIMA GENEMO
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MURAT EKİNCİ
- Cellular automata integrated with deep learning methods for feature extraction
Derin öğrenme yöntemleriyle birleştirilmiş hücresel otomatlarla öznitelik oluşturma
ÇAĞRI YEŞİL
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYeditepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. EMİN ERKAN KORKMAZ
- Face recognition system using local binary pattern with binary dragonfly algorithm (BDA) to feature selection
Yerel ikili desen kullanan yüz tanıma sistemi özellik seçimi için ikili dragonfly algoritması (BDA) ile
AHMEED RAAD MAJEED AL-ALOOSI
Yüksek Lisans
İngilizce
2022
Bilgi ve Belge YönetimiAltınbaş ÜniversitesiBilişim Teknolojileri Bilim Dalı
DR. ÖĞR. ÜYESİ AYÇA KURNAZ TÜRKBEN
- A scalable big data framework for analyzing batch and streaming data of social media platforms
Sosyal medya platformlarının toplu ve akış verilerini analiz etmek için ölçeklenebilir bir büyük veri çerçevesi
MOHAMED ABDULSTAR JABUR MOHAMED ALLAYLA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERKAN AYVAZ
- Multi-channel K-NN classifications of respiratory sounds
Çoklu kanallı solunum sesi en yakın komşu sınıflandırmaları
CEMİLE ASLI YILMAZ
Yüksek Lisans
İngilizce
2006
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiSistem ve Kontrol Mühendisliği Ana Bilim Dalı
DOÇ.DR. YASEMİN KAHYA