Geri Dön

Aşamalı ve aşamalı olmayan bulanık modellerin sınıflandırma performanslarının karşılaştırılması

The comparison of classification performances of hierarchical and non-hierarchical fuzzy models

  1. Tez No: 440294
  2. Yazar: FULDEN CANTAŞ
  3. Danışmanlar: DOÇ. DR. İMRAN KURT ÖMÜRLÜ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyoistatistik, Biostatistics
  6. Anahtar Kelimeler: Aşamalı Bulanık Model, Aşamalı Olmayan Bulanık Model, Sınıflandırma, Simülasyon, Hierarchical Fuzzy Model, Non-Hierarchical Fuzzy Model, Classification, Simulation
  7. Yıl: 2016
  8. Dil: Türkçe
  9. Üniversite: Adnan Menderes Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 151

Özet

Bu çalışmada, simülasyon verisi ve gerçek veri seti ile farklı üyelik fonksiyonları kullanılarak aşamalı ve aşamalı olmayan bulanık modellerin sınıflandırma performanslarının karşılaştırılması hedeflendi. Çalışmanın uygulama basamağında MATLAB yazılım programı kullanılarak simülasyon uygulaması için algoritmalar oluşturuldu. Hem bu algoritmalar yardımıyla türetilmiş veri setleri hem de gerçek bir veri seti kullanılarak oluşturulan aşamalı ve aşamalı olmayan bulanık modellerin sınıflandırılma performansları; duyarlılık, özgüllük, doğruluk yüzdeleri ve HKOK kriterlerine göre karşılaştırıldı. Simülasyon uygulaması sonunda aşamalı olmayan bulanık modellerin duyarlılık, özgüllük ve doğruluk yüzdelerinin aşamalı bulanık modellerden daha yüksek; HKOK değerlerinin ise daha düşük olduğu belirlendi. Kural tabanının ise aşamalı bulanık modelde aşamalı olmayan bulanık modellere göre daha geniş olduğu görüldü. En iyi sonuç veren üyelik fonksiyonlarının ise üçgen ve çan üyelik fonksiyonları olduğu sonucuna ulaşıldı. Gerçek uygulamada da simülasyon sonuçlarına paralel olarak farklı üyelik fonksiyonları ile oluşturulan aşamalı olmayan bulanık modellerin aşamalı bulanık modellere göre duyarlılık, özgüllük, doğruluk yüzdelerinin daha yüksek, HKOK değerlerinin ise daha düşük olduğu belirlendi. Sınıflandırma bakımından en iyi sonuç veren modellerin Gauss ya da yamuk üyelik fonksiyonu ile oluşturulduğu sonucuna ulaşıldı. Sonuç olarak aşamalı olmayan bulanık mantık yöntemi, aşamalı bulanık mantık yöntemine göre daha iyi sınıflandırma yapmaktadır. Verinin yapısı, değişkenlerin dağılımı, birbiri ile ilişkisi, bulanıklaştırma adımında değişkenlerin alt kategorilere nasıl ayrılacağı ve hangi yöntemin kullanılacağı hususlarının ayrıntılı irdelenmesi gerektiği için mutlaka konuyla ilgili bilgi ve tecrübeye sahip uzman desteği alınmalıdır.

Özet (Çeviri)

In this study, it is aimed to compare classification performances of hierarchical and non-hierarchical fuzzy models by using different membership functions on simulation and real data sets. In the application step of the study, algorithms are created by using MATLAB software for simulation practice. Classification performances of the hierarchical and non-hierarchical fuzzy models created using both data sets generated by means of these algorithms and real data set are compared according to sensitivity, specificity, accuracy and root mean square error (RMSE) criteria. In the end of simulation practices, it is determined that sensitivity, specificity and accuracy of the non-hierarchical models are higher; RMSE of the non-hierarchical models are lower than hierarchical fuzzy models. However, it is found that the rule base of hierarchical fuzzy models are larger than that in non-hierarchical models. Also, it is determined that the membership functions that give the best result are triangular and bell. In the real data set application - similar to simulation results - it is found that the specificity, accuracy of the non-hierarchical models built by different membership functions are higher, RMSE of the non-hierarchical models are lower than the hierarchical models. It is stated that models that give the best classification results are built by Gauss or bell membership functions. Consequently; non-hierarchical fuzzy logic technique give better classification performance than hierarchical fuzzy logic technique. Consequently; non-hierarchical fuzzy models classify better than hierarchical fuzzy models. Since structure of the data, distribution of variables and correlation between them, how to seperate variables into sub-categories in fuzzification step and which method to use are to be studied on in detail, experienced expert help should be taken.

Benzer Tezler

  1. Les applications de l'analyse d'enveloppement de donnees imprecises

    Belirsizlik ortamında veri zarflama analizi uygulamaları

    SEMRA ŞEBNEM AHISKA

    Yüksek Lisans

    Fransızca

    Fransızca

    2003

    Endüstri ve Endüstri MühendisliğiGalatasaray Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. E. ERTUĞRUL KARSAK

  2. GIS-based multi-criteria decision analysis for optimal urban emergency facility planning

    Kentsel optimal acil durum tesis planlaması için CBS tabanlı çok kriterli karar analizi

    PENJANI HOPKINS NYIMBILI

    Doktora

    İngilizce

    İngilizce

    2022

    Coğrafyaİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TURAN ERDEN

  3. Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  4. Fight recognition from still images in the wild

    Doğal ortamda sabit görüntülerden kavga tespiti

    ŞEYMANUR AKTI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HAZIM KEMAL EKENEL

  5. Bütünleşik tedarik zinciri ağında tesis yeri seçimi problemi için bulanık çok amaçlı programlama modeline sezgisel bir yaklaşım: Tavlama benzetimi algoritması

    A heuristic approach to fuzzy multi-objective programming model for facility location problem in an integrated supply chain network: Simulated annealing algorithm

    HÜSEYİN ALİ SARIKAYA

    Doktora

    Türkçe

    Türkçe

    2014

    İşletmeKara Harp Okulu Komutanlığı

    Harekat Araştırması Ana Bilim Dalı

    PROF. DR. ORHAN TÜRKBEY