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: Belirtilmemiş.
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 novel statistical approach for feature extraction: applying to machine learning methods
Özellik çıkarma için yeni bir istatistiksel yaklaşım: makine öğrenimi yöntemlerine uygulanması
ASHARF RAFA MASOUD MOHAMED
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
ASSOC. PROF. DR. YÜKSEL ÇELİK
- A methodology for holistic lifecycle approach as decision support system for closed-loop lifecycle management
Başlık çevirisi yok
FATİH KARAKOYUN
Doktora
İngilizce
2015
Endüstri ve Endüstri MühendisliğiEcole Polytechnıque Federale de Lausanne (epfl)PROF. DIMITRIS KIRITSIS
- Power islands: A high-level synthesis methodology for reducing spurious switching activity and leakage
Güç adaları: Gereksiz anahtarlama aktivitesini ve sızmayı azaltan bir yüksek düzeyde sentezleme metodolojisi
DENİZ DAL
Doktora
İngilizce
2006
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSyracuse UnıversıtyElektronik Mühendisliği ve Bilgisayar Bilimi Ana Bilim Dalı
DR. NAZANIN MANSOURI
- Low-quality fingerprint identification model usingglobal map feature indication (gmfi) methodology
Global harita özellik göstergeleri (gmfı) metodolojisikullanarak düşük kaliteli parmak izi tanımlama modeli
NOAMAN AHMED YASEEN AL-FALAHI
Yüksek Lisans
İngilizce
2018
Bilim ve TeknolojiTürk Hava Kurumu ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
YRD. DOÇ. DR. YURIY ALYEKSYEYENKOV
- Derin öğrenme ile öznitelik çıkarma ve sınıflandırma uygulaması
Feature extraction and classification application with deep learning
REŞİT MAMUR
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırşehir Ahi Evran Üniversitesiİleri Teknolojiler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEMDUH KÖSE