Geri Dön

Çok yüzlü konik sınıflandırıcılarda gürbüz koni tepe noktası tahmini

Robust estimation of cone vertex in polyhedral conic classifiers

  1. Tez No: 460865
  2. Yazar: GOLARA GHORBAN DORDINEJAD
  3. Danışmanlar: DOÇ. DR. HAKAN ÇEVİKALP
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2016
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Osmangazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Kontrol ve Kumanda Bilim Dalı
  13. Sayfa Sayısı: 88

Özet

Sınıflandırma günümüzde örüntü tanıma, yapay zeka, istatistik, kavramsal psikoloji, görüntü analizi, tıp ve robotik gibi bir çok bilim, endüstri, ticari ve askeri alanlarda kullanılan önemli tekniklerinden biridir. Son yıllarda sınıflandırma problemlerini çözmek için bir çok yöntem önerilmektedir. Bu problemler için çeşitli matematiksel yaklaşımlar kullanılmaktadır. Literatürde, Bayes Sınıflandırma, En Yakın Komşu, Karar Ağaçları, Destek Vektör Makineleri ve Yapay Sinir Ağları en çok kullanılan yöntemlerden bazılarıdır. Bu tez çalışmasında, çok yüzlü konik fonksiyonları temel alınarak daha geliştirilmiş yöntem elde edilmiştir. Çok yüzlü konik sınıflandırıcı ile daha gürbüz sonuçlar elde etme amacıyla koni tepe noktası tahmini yapılmıştır. Literatürde kullanılan çok yüzlü konik sınıflandırıcılarda koni tepe noktası pozitif verilerin ortalaması olarak alınmaktadır. Bu tez çalışmasında geliştirilen koni tepe noktası tahmin yöntemi için bir çok optimizasyon işlemi ile koni tepe noktası tahmin algoritması oluşturulmuştur. Çok yüzlü konik sınıflandırıcılar, genişletilmiş çok yüzlü konik sınıflandırıcılar ve Destek Vektör Makineleri gibi sınıflandırıcılar ile geliştirilen koni tepe noktası tahmin yöntemi karşılaştırılmıştır. Bu karşılaştırma için UCI Machine Learning Repository'deki çeşitli gerçek veri tabanları kullanılmıştır. Ayrıca sentetik bir veri kümesi oluşturulmuştur. Bu veri kümesi için pozitif verilerin ortalamasını kullanan çok yüzlü konik sınıflandırıcı yöntemi ile koni tepe noktası tahmin algoritması karşılaştırılmıştır. Gerçek ve sentetik veri kümeleri üzerinde yapılan deney sonuçları sunulan yaklaşımın veri sınıflandırma problemlerinin çözümünde etkili sonuçlar verdiğini göstermektedir.

Özet (Çeviri)

Nowadays, classification is one of the most important techniques used in science, industry, commercial and military fields such as pattern recognition, artificial intelligence, statistics, cognitive psychology, image analysis, medicine and robotics . In recent years, many methods are recommended for solving classification problems. Various mathematical approaches are being used for these problems. In literature, the most used methods are Bayesian Classification, Nearest Neighbor, Decision Trees, Support Vector Machines and Artificial Neural Networks. In this thesis study, a more improved method is obtained based on polyhedral conic functions. For obtaining more robust polyhedral conic classifiers, cone vertex is estimated by using optimization techniques. In literature, cone vertex of polyhedral conic classifiers is taken as the mean of positive data. In this study, many optimization procedures are used in order to determine cone vertex optimally. The proposed algorithm has been compared with some classifiers such as classic polyhedral conic classifiers, extended polyhedral conic classifiers and Support Vector Machines. For comparison, these specified classifier methods have been applied to various real databases in UCI Machine Learning Repository. Also, a synthetic data set was created in order to compare the cone vertex estimation algorithm with the method of determining the polyhedral conic structure by using average of positive data. Experimental results on real and synthetic data sets show that the proposed approach has effective results in solving data classification problems.

Benzer Tezler

  1. Çok yüzlü konik sınıflandırıcılar için marj enbüyüklenmesi

    Margin maximization for polyhedral conic classifiers

    GÜRHAN CEYLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Endüstri ve Endüstri MühendisliğiAnadolu Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÜRKAN ÖZTÜRK

  2. Çok yüzlü konik fonksiyonlar temelli sınıflandırma yaklaşımları ile hareket tanıma

    Gesture recognition with polyhedral conic functions based classifiers

    EMRE ÇİMEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Endüstri ve Endüstri MühendisliğiAnadolu Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. GÜRKAN ÖZTÜRK

  3. Sınıflandırma problemleri için matematiksel programlama temelli çözüm yaklaşımları

    Mathematical programming based solution approaches for classification problems

    MÜGE ACAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Endüstri ve Endüstri MühendisliğiAnadolu Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. REFAİL KASIMBEYLİ

  4. Çokyüzlü konik sınıflandırıcılar ve uygulamaları

    Polyhedral conic classifiers and their applications

    HALİL SAĞLAMLAR

    Doktora

    Türkçe

    Türkçe

    2020

    Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN ÇEVİKALP

  5. Özellik seçimi problemleri için polihedral konik fonksiyonlar temelli çözüm yaklaşımı

    A solution approach based on polyhedral conic functions for feature selection problems

    ÖZNUR AY

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Endüstri ve Endüstri MühendisliğiEskişehir Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. REFAİL KASIMBEYLİ