A metaheuristic optimization technique for feature selection
Özellik seçimi için sezgisel optimizasyon
- Tez No: 444705
- Danışmanlar: Assist. Prof. Dr. OĞUZ ALTUN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Çok kriterli optimizasyon, Öge seçimi, Multi criteria optimization, Feature selection
- 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
Bilgi Keşfi sürecinde birçok problemle karşı karşıya gelinmektedir. Bu problemlerden biri biri ise, birbiriyle ilişkisi olmayan, bağlantısız verilerdir. Bu bağlantısız verileri ortadan kaldırmak için çeşitli yollar bulunmaktadır ve Özellik Seçimi onlardan biridir. Özellik Seçimi'nin amacı, orjinal veriyi en iyi şekilde yansıtacak olan özellikleri seçmektedir. Bu özellikleri seçmek için birçok kullanılabilir. Bu tezde bir stokastik algoritmayı özellik seçicisi olarak kullanıyoruz. Diferansiyel Evrim Algoritması, yaygın sezgisel optimizasyon algoritmalarından biridir.. Bu yüzden Özellik Seçici olarak bu algoritma çalıştırılmıştır. Bu alanda son zamanlarda yapılan iki çalışma ile kıyaslandığında yaklaşımımızın başarılı olduğu görülmektedir.
Özet (Çeviri)
In Knowledge Discovery (KD) one of the problems we face is unrelated data. Unrelated data causes performance reduction when attempting to learn or draw insights from the original data. There are several ways to remove unrelated data, and one of them is Feature Selection (FS). FS aims to select features that represent the original data in a relevant and understandable way. There are many ways to select features. This thesis provides an approach to implementing a stochastic algorithm as a feature selector. Differential Evolution algorithm is one of the popular metaheuristic algorithms, so we will employ it as a feature selector. Results and comparisons show that our approach is successful according to a comparison with two recent works in this field.
Benzer Tezler
- Çok objektifli esnek atölye çizelgeleme problemlerinin sezgisel yöntemlerle modellenmesi, analizi ve çözümü
Modeling, analyzing and solving multiple-objective flexible job-shop scheduling problems by using meta-heuristic algorithms
LALE ÖZBAKIR
- Sınıflandırma problemlerinde meta-sezgisel optimizasyon yöntemlerinin özellik seçimi ve ayrıklaştırma amacıyla kullanımı
Utilization of metaheuristic optimization methods for feature selection and discretization on classification problems
İSMAİL KOÇ
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. İSMAİL BABAOĞLU
- Kaynak kısıtlı inşaat projeleri süre-gider eniyilemesinde karşılaştırmalı melez-metasezgisel yöntem seçimi
A comparative selection of hybrid-metaheuristic methods on time cost trade-off in resource constrained construction projects
GÜLÇAĞ ALBAYRAK
Doktora
Türkçe
2017
İnşaat MühendisliğiEskişehir Osmangazi Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. İLKER ÖZDEMİR
- Telekomünikasyon sektöründe müşteri kaybı yönetimi için meta sezgisel tabanlı karar destek sistemi
Meta-heuristic based decision support system for customer churn management in telecommunications sector
MİHRİMAH ÖZMEN
Doktora
Türkçe
2017
Endüstri ve Endüstri MühendisliğiErciyes ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMEL KIZILKAYA AYDOĞAN
- Elektrokardiyogram verilerinin iyileştirilmiş yapay arı kolonisi (MABC) algoritması ile analizi
Analysis of electrocardiogram data by using modified artificial bee colony (MABC) algorithm
SELİM DİLMAÇ
Doktora
Türkçe
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ