Büyük boyutlu veri sınıflandırmada doğrusal boyut indirgeme yöntemlerinin karşılaştırılması
Comparison of linear dimensionality reduction methods on big data classification
- Tez No: 492430
- Danışmanlar: YRD. DOÇ. DR. YUSUF SEVİM
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 84
Özet
Yüksek boyutlu verinin analiz edilmesi ile birçok alanda karşılaşılır. Yüksek boyutlu veri analizinde, işlem yükü ve zaman açısından verinin etkin ve hızlı bir şekilde işlenmesi zor olabilir. Bu zorluğun üstesinden gelebilmek için boyut indirgeme yöntemleri yaygın bir şekilde kullanılmaktadır. Doğrusal boyut indirgeme yöntemleri, işlem yükü ve zaman açısından doğrusal olmayan yöntemlere göre daha iyi sonuç verirler. Bu yüzden yüksek boyutu veri analizinde daha çok tercih edilmektedirler. Bu tez çalışmasında yüz ve rakam veri kümeleri kullanılarak çeşitli sınıflandırma yöntemleri üzerinde popüler doğrusal boyut indirgeme yöntemleri ve performansları incelenmiştir. Bu yöntemler, Temel Bileşen Analizi (TBA), Doğrusal Ayırma Analizi (DAA), Yerellik Koruyan İzdüşüm (YKİ), Komşuluk Koruyan Gömme (KKG), Yerellik Duyarlı Ayırma Analizi (YDAA) ve İzometrik İzdüşümdür (İZİ). Doğrusal boyut indirgeme yöntemleri kullanılarak bir veri kümesinin sınıflandırılmasında doğrulukta bir artma veya azalma olmasının veri kümesinin türüne bağlı olduğu görülmüştür. Bazı boyut indirgeme yöntemlerinin sınıflandırma doğrulukları açısından veri kümelerinin türüne göre öne çıktığı görülmüştür. Hatta veri kümelerinden elde edilen özniteliklere göre bazı yöntemlerin öne çıktığı da görülmüştür.
Özet (Çeviri)
Analysis of high-dimensional data is encountered in a lot of areas. In analysis of high-dimensional data, processing data effectively and fast may be troublesome in terms of time and process load. Dimensionality reduction methods are used commonly to overcome this trouble. Linear dimensionality reduction methods give better results than nonlinear dimensionality reduction methods in terms of time and process load. Therefore, they are prefered more in analysis of high-dimensional data. In this thesis, various popular linear dimensionality reduction methods and their performance were investigated on various classification methods by using face and digit datasets. These methods are Principal Component Analysis (PCA), Linear Discriminant Analysis (LDA), Locality Preserving Projection (LPP), Neighborhood Preserving Embedding (NPE), Locality Sensitive Discriminant Analysis (LSDA) and Isometric Projections(IsoP). In the classification of a dataset by using linear dimensionality reduction methods, it was seen that an increase or a decrease in accuracy depends on the kind of the dataset. And it was seen that some linear dimensionality reduction methods become prominent according to the kind of datasets in terms of classification accuracy. Also, it was seen that some linear dimensionality reduction methods become prominent according to features obtained from datasets.
Benzer Tezler
- Geomagnetic signal analysis based classification of earthquake magnitudes
Jeomagnetik işaretlerin çözümlenmesine dayalı deprem şiddeti sınıflandırması
SHABNAM DERAKHSHAN DILMAGHANI
Yüksek Lisans
İngilizce
2020
Deprem Mühendisliğiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
DOÇ. DR. BEHÇET UĞUR TÖREYİN
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Reduced dimensional features for object recognition
Nesne tanıma için boyutu indirgenmiş öznitelik vektörleri
REYHAN KEVSER KESER
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. BEHÇET UĞUR TÖREYİN
- Büyük boyutlu veriler için metasezgisel yöntemler ile öznitelik indirgemede yeni bir yaklaşım geliştirilmesi
Developing a new approach to feature selection with metaheuristic methods for large scale data
ESİN AYŞE ZAİMOĞLU
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİLÜFER YURTAY
- Uncapacitated multiple allocation hub location problem under congestion
Trafik sıkışıklığı altında çok atamalı kapasite kısıtsız ana dağıtım üssü yerleşim problemi
ÇAĞRI ÖZGÜN KİBİROĞLU
Doktora
İngilizce
2019
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. YUSUF İLKER TOPCU