Feature selection using genetic algorithms
Başlık çevirisi mevcut değil.
- Tez No: 47523
- Danışmanlar: DOÇ.DR. H. LEVENT AKIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 1995
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 66
Özet
ÖZET Bu çalışmada sınıflandırmada öge seçimi problemini inceledik. Bu amaç için Genetik Yordamlar ve Sırayla Geri Arama (SGA) teknikleri kullanıldı. Bu iki yöntemin de sınıflamadaki basan oranını düşürmeden sınıflamada kullanılan öge sayışım azaltma basanları ölçüldü, öge seçiminde kullanılan, başka araştırmacılar tarafından uygulanmış diğer yöntemler de özetlendi. öge seçimi deneyleri, En Yakın Komşu sınırlayıcısı kullanılarak bizim taraflınızdan hazırlanmış üç veri kümesi ve gerçek verilerden oluşan iki küme üzerinde yapıldı. Genetik Yordamlar ilk grup veri kümeleri üzerinde ikinci gruba göre daha yüksek basan gösterdi. İncelenecek öge sayısı arttıkça, SGA, Genetik Yordamlara göre daha iyi sonuç vermeye başladı. Bu araştırmada kullanılan iki yöntemin seçmiş olduğu öğelerin kullanılmasında da, gerçek veri kümeleri üzerinde, tüm elde bulunan öğeleri kullanan başka araştırmacılann elde etmiş olduğundan daha yüksek sınıflama değerlerine ulaşıldı. Genetik Yordamlar ve SGA yöntemlerinin ikisinin de bulduğu öge kümeleri kullanılarak erişilen sınıflama değerleri başka araştırmacılann daha önce sınıflamada En Yakın Komşu ve Geriyayma Yapay Sinir Ağı kullanarak ulaştıklan değerlerden yüksek oldu.
Özet (Çeviri)
IV ABSTRACT In this study, we investigated the feature selection problem in classification. Genetic Algorithms (GAs) and Sequential Backward Search (SBS) were used for this purpose. The ability to reduce the number of features used in classification without decreasing the classification success rate was tested on different data sets, for these two methods. Feature selection experiments were done on three artificial data sets and on two real data sets, using the Nearest Neighbor as the classifier. GAs showed better performance on the first group of data sets rather than on the second group. SBS gave better results than the results obtained using GAs, as the number of features increased. With the features selected by both methods we achieved higher classification rates on the real data sets than obtained by other researchers (who used all the features). Both GAs and SBS found feature sets that yielded higher classification rates than the rates obtained previously by other researchers, who used Nearest Neighbor and Backpropagation Neural Network in classification.
Benzer Tezler
- fMRI verisi kullanarak bilişsel hal tasnifinde öznitelik seçim tekniklerinin değerlendirilmesi ve iyileştirilmesi
Evaluation and improvement of feature selection techniques for cognitive state classification using fMRI data
CEYHUN CAN ÜLKER
Yüksek Lisans
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TEVFİK AYTEKİN
- Makine öğrenmesi yöntemleri ve genetik algoritma tabanlı özellik seçimiyle saldırı tespiti
Intrusion detection with machine learning methods and genetic algorithm based feature selection
GÜLNUR DEMİRCİOĞLU
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖNER BARUT
- Öznitelik seçimi için çoklu-ebeveyn çaprazlama operatörlerinin karşılaştırılması
Comparison of multi-parent crossover operators for feature selection
NAZİF KANÇ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BERNA KİRAZ
- Hisse senedi fiyat tahminlerinde bilgi işlemsel zeka yöntemleri: Uzman bir sistem aracılığıyla BİSTt uygulaması
Computational intelligence techniques in forecasting stock prices: ISE application with an expert system
MEHMET ÖZÇALICI
Doktora
Türkçe
2015
İstatistikKahramanmaraş Sütçü İmam Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. YÜCEL AYRIÇAY
- Medikal görüntülerin ön-eğitilmiş derin öğrenme modelleriyle sınıflandırılmasında metasezgisel optimizasyon algoritmalarıyla öznitelik seçimi performanslarının karşılaştırılması
Comparison of feature selection performances using metaheuristic optimization algorithms in classification of medical images with pre-trained deep learning models
MELİSA BİÇER
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMersin ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAMZA EROL