Geri Dön

Feature extraction methodology for provenance data using SNA metrics

Sosyal ağ analizi metrikleri kullanarak provenans verisinden özellik çıkarımı yöntemi

  1. Tez No: 432183
  2. Yazar: MEHMET GÜNGÖREN
  3. Danışmanlar: YRD. DOÇ. DR. MEHMET SIDDIK AKTAŞ
  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: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MURAT EKİNCİ

  2. Cellular automata integrated with deep learning methods for feature extraction

    Derin öğrenme yöntemleriyle birleştirilmiş hücresel otomatlarla öznitelik oluşturma

    ÇAĞRI YEŞİL

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYeditepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. EMİN ERKAN KORKMAZ

  3. 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

    İngilizce

    2022

    Bilgi ve Belge YönetimiAltınbaş Üniversitesi

    Bilişim Teknolojileri Bilim Dalı

    DR. ÖĞR. ÜYESİ AYÇA KURNAZ TÜRKBEN

  4. 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

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SERKAN AYVAZ

  5. Multi-channel K-NN classifications of respiratory sounds

    Çoklu kanallı solunum sesi en yakın komşu sınıflandırmaları

    CEMİLE ASLI YILMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2006

    Elektrik ve Elektronik MühendisliğiBoğaziçi Üniversitesi

    Sistem ve Kontrol Mühendisliği Ana Bilim Dalı

    DOÇ.DR. YASEMİN KAHYA