Geri Dön

Semi-supervised feature selection using mean absolute deviation

Ortalama mutlak sapma kullanarak yarı denetlenen özellik seçimi

  1. Tez No: 456294
  2. Yazar: ZAHARADDEEN BABAGANA
  3. Danışmanlar: Prof. Dr. NURAN DOĞRU
  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: 2017
  8. Dil: İngilizce
  9. Üniversite: Gaziantep Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 43

Özet

Yüksek boyutlu veri kümeleri öğrenme aşamasında (Örneğin: Sınıflandırma veya Kümeleme) sorunlara neden olabilir. Özellik azaltma, veri kümelerindeki bir özelliğin sayısının azaltılmasına yardımcı olur ve bunun sonucunda öğrenme adımlarının algoritmalarını daha hızlı gerçekleştirir ve bir veri kümesindeki tüm özellikleri kullanmaktan daha iyi sonuç verir. Yarı denetlenen bilginin denetimsiz bir özellik seçimi algoritmasında kullanılması da daha iyi sonuç elde edildiğini göstermiştir. Tez, denetimsiz bilgileri kullanan ve iyileştirme yapmak için yarı denetimli öğrenme bilgilerini kullanmaya çalışan Ortalama Mutlak Sapma'yı (MAD) incelemektedir. Bu tezde kullanılan yöntem, Ortalama Mutlak Sapma-Yeni (MADN) olarak adlandırılmıştır. Yeni yöntemin, MAD yönteminin yüz veri kümeleri üzerinde bir iyileşme olduğu ve seyrek veri kümeleri ile karşılaştırmalı olduğu gösterildi.

Özet (Çeviri)

High-dimensional datasets can cause problems to learning steps (Ex. Classification or Clustering). Feature reduction helps in reducing the number of a feature in datasets and in turn, makes the learning steps algorithms perform faster and yield better results than using the whole features in a dataset. Also using the semi-supervised information to an unsupervised feature selection algorithm has shown to have yield better result. The thesis looks into the Mean Absolute Deviation (MAD) which uses unsupervised information and try to use the semi-supervised learning information to make improvements. The method used in this thesis is named Mean Absolute Deviation New (MADN). The new method has been shown to be an improvement over MAD method on face datasets and to be comparative to sparse datasets.

Benzer Tezler

  1. Baggi̇ng constrai̇nt laplaci̇an score for effi̇ci̇ent semi̇- supervi̇sed feature selecti̇on

    Verimli‭ ‬yarı denetimli‭ ‬özellik seçimi‭ ‬için torbalama kısıtlamalı laplas skoru

    ABAS ISMAEL SILO ALI

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGaziantep Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. YAR. DOÇ.DR. SEMA KOÇ KAYHAN

  2. Ağ verisi üzerinde ilgili ve rastgele alt uzaylar seçerek birlikte öğrenme

    Relevant and random subspaces for co-training in networked data

    KADRİYE BAĞLIOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ZEHRA ÇATALTEPE

  3. Supervised and semi-supervised learning using informative feature subspaces

    Bilgi içeren öznitelik alt uzayları ile eğitmenli ve yarı eğitmenli öğrenme

    YUSUF YASLAN

    Doktora

    İngilizce

    İngilizce

    2010

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ZEHRA ÇATALTEPE

  4. Hiperspektral görüntülerde yarı güdümlü öğrenme teknikleri

    Semi supervised learning techniques on hyperspectral images

    MUHAMMET SAİD AYDEMİR

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÖKHAN BİLGİN

  5. An investigation of feature selection methods for machine learning

    Makine öğrenmesi için öznitelik seçim yöntemlerinin incelenmesi

    BUSE NUR BALTACIOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    BiyoistatistikDokuz Eylül Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. İDİL YAVUZ