Feature weighting problem in K-nearest neighbor classifier
K-en yakın komşu sınıflandırma algoritmasında özellik ağırlıklandırma problemi
- Tez No: 474872
- Danışmanlar: DOÇ. DR. CEM İYİGÜN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yöneylem Araştırması Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 125
Özet
K-En Yakın Komşu (k-NN) algoritması sınıflandırma problemleri için iyi bilinen ve en çok kullanılan algoritmalardan biridir. Bu çalışmada özellik ağırlıklı k-NN problemi üzerinde duruldu. İki farklı problem çalışıldı. İlk problemde, k değeri ve özelliklerin ağırlıkları sınıflandırma doğruluğunu maksimize etmek için optimize edildi. Problemin amaç fonksiyonu konveks olmayan bir yapıdadır. Çözüm yaklaşımı olarak, yeni taktim edilen bir gelişim algoritması olan Orman Optimizasyon Algoritması (FOA) düşünüldü. FOA'ya dayanan iki farklı algoritma önerildi. Sonraki problemde, özellik ağırlıklarının sınıfa bağlılığı göz önünde bulunduruldu ve sınıflandırma doğruluğunu maksimize etmek için her sınıf ait özellik ağırlıklarının farklı olduğu, sınıfa bağlı özellik ağırlıklı k-NN problemi çalışıldı. Çözüm algoritması yine FOA'ya dayalı olarak önerildi. Önerilen tüm algoritmalar farklı kıyaslama data setleri üzerinde test edildi ve sayısal sonuçlar rapor edildi. Algoritmaların performansı litaratürde diğer çalışmalardaki algoritmalarla da kıyaslandı.
Özet (Çeviri)
The k-Nearest Neighbor (k-NN) algorithm is one of the well-known and most common used algorithms for the classification problems. In this study, we have focused on feature weighted k-NN problems. Two different problems are studied. In the first problem, k value and the weights of each feature are optimized to maximize the classification accuracy. Objective function of the problem is nonconvex and nonsmooth. As a solution approach, Forest Optimization Algorithm (FOA), which is a newly introduced evolutionary algorithm, has been considered. Two different algorithms based on FOA are proposed. In the latter problem, class dependency on the feature weights is considered and class dependent feature weighted k-NN problem is studied where the feature weights are different for each class for maximizing the classification accuracy. A solution algorithm again based on FOA is proposed. All proposed algorithms are tested on different benchmark data sets and the numerical results are reported. Performances of the algorithms are also compared with the other algorithms from the other studies in the literature.
Benzer Tezler
- Kullanıcı destek sistemlerinde yardım biletlerinin otomatik sınıflandırılması
Automatic classification of help tickets in user support systems
MÜCAHİT ALTINTAŞ
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET CÜNEYD TANTUĞ
- Makine öğrenmesi yöntemleriyle bel bölgesi rahatsızlıklarının tanısı
Diagnosis of lumbar disease by using machine learning techniques
YAVUZ ÜNAL
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HASAN ERDİNÇ KOÇER
DOÇ. DR. KEMAL POLAT
- Deep learning based road segmentation from multi-source and multi-scale data
Çok kaynaklı ve çok ölçekli veriyle derin öğrenme tabanlı yol bölütlenmesi
OZAN ÖZTÜRK
Doktora
İngilizce
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER
- Stretch: A feature weighting method for the k nearest neighbor algorithms
Stretch : En yakın k komşu algoritması için veri özelliklerinin önemini belirleme yöntemi
MEHMET ALİ YATBAZ
Yüksek Lisans
İngilizce
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiBilgisayar Mühendisliği Bölümü
YRD. DOÇ. DR. DENİZ YURET
- Perceptual audio source separation by subspace learning
Altuzay öğrenme ile algısal ses kaynak ayrıştırma
SERAP KIRBIZ
Doktora
İngilizce
2013
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL