Sınıflandırma problemlerine yapay sinir ağları ve veri zarflama analizi tabanlı yeni bir yaklaşım
A new approach to classification problems based on artificial neural networks and data envelopment analysis
- Tez No: 432735
- Danışmanlar: DOÇ. DR. HACI HASAN ÖRKCÜ
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 105
Özet
Sınıflandırma problemleri veri madenciliği, istatistik, ekonomi ve endüstri alanında sıklıkla karşılaşılan popüler problemlerdir. Bu çalışmada iki gruplu ve çok gruplu sınıflandırma problemlerinin çözümünde kullanılabilecek yeni sınıflandırma modelleri geliştirilmiştir. İki gruplu sınıflandırma modeli için önerilen yeni model Veri Zarflama Analizi BCC modeline dayanan Pendharkar ve Troutt (2014) modeli ile Sueyoshi (2004) tarafından önerilen iki aşamalı sınıflandırma modelinin bir karmasıdır. Önerilen yeni yaklaşım Pendharkar ve Troutt (2014)'den alınan bir örnek üzerinde ayrıntılı olarak incelenmiş ve ayrıca yapılan benzetim çalışmasından önerilen yöntemin sınıflandırma performansının diğer iki yöntemden daha iyi olduğu gözlenmiştir. Geliştirilen çok gruplu sınıflandırma modeli ise radyal tabanlı yapay sinir ağları ve matematiksel programlamaya dayalı yeni bir sınıflandırma modelidir. Literatürde önerilen çok gruplu matematiksel sınıflandırma modellerinde verilerin pozitif değerlere sahip olma varsayımı yer almaktadır. Önerilen yeni modelde ilk aşamada negatif değer içeren veri setleri radyal tabanlı sinir ağları yardımıyla pozitif veri uzayına taşındıktan sonra, her bir birimin sınıflandırma skoru Satapaty ve ark. (2009)'a benzer bir şekilde her birim için oluşturulan doğrusal regresyon denklemi yardımıyla tahmin edilmektedir. İkinci aşamada ise Lam ve Moy (1996)'da olduğu gibi birimlerin sınıflandırılması eşik değer sınaması yapan matematiksel programlama modeli ile yapılmaktadır. Yapılan benzetim çalışmalarında önerilen yöntemin negatif veride çalışabilen diğer çok gruplu sınıflandırma yöntemlerine göre daha iyi performans gösterdiği gözlemlenmiştir.
Özet (Çeviri)
Classification problems are popular problems which are often encountered in data mining, statistics, economy and industry. In this study, new classification models, which can be used to solve the problems of two groups and multi-group classification, have been developed. The proposed new model for the two groups of classification model is the mixture of the Pendharkar and Troutt (2014) model that is based on the Data Envelopment Analysis BCC model and the two-stage classification model proposed by Sueyoshi (2004). The proposed new approach is examined in detail on an example taken from Pendharkar and Troutt (2014) and it is also observed that the classification performance of the proposed method is better than the two other methods in the simulation study. The developed multi-group classification model is a new classification model that is based on mathematical programming and radial basis neural networks. In multi-group mathematical programming classification models proposed in the literature, the data is assumed to have positive values. In the first stage of the new proposed model, after the data sets containing negative values are moved to positive data set space with the help of radial basis neural network, classification score for each unit, in a similar manner to Satapaty et al. (2009), is estimated with the help of a linear regression equation generated for each unit. In the second stage, as in Lam and Moy (1996), classification of units is made by mathematical programming model that makes threshold test. In the simulation study, it is observed that the proposed method performs better than many other multi-group classification methods which can run on negative data.
Benzer Tezler
- Bulanık ve yalın yapay sinir ağları ile çoklu lojistik regresyon yöntemlerinin sınıflandırma performanslarının karşılaştırılması: Ülkelerin gelişmişlik düzeylerinin sınıflandırılması üzerine bir uygulama
Comparison of classification performance of fuzzy and simple artificial neural networks and multiple logistic regression methods: An application on classification of developmental levels of countries
ÖMER FARUK RENÇBER
- Yapay sinir ağları kullanılarak örüntü sınıflandırma ve tanıma
Pattern classification and recognition using artificial neural networks
AZİZ CAN YÜCETÜRK
Doktora
Türkçe
1999
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. EMRAH ORHUN
- Lojistik sistemlerin yapay sinir ağları ile modellenmesi, gerçeklenmesi ve kontrolü
Modeling, implementation and control of logistics systems using artificial neural networks
MURAT ERMİŞ
Doktora
Türkçe
2005
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF.DR. FÜSUN ÜLENGİL
- Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR