Kohonen öz örgütlemeli haritalama yöntemi ile psikotik hastalıkların kümelenmesi
Kohonen cluster of psychotic diseases by self organizing mapping method
- Tez No: 513497
- Danışmanlar: DR. ÖĞR. ÜYESİ SEVİLAY KARAHAN
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 121
Özet
Veri madenciliği; büyük miktarda veri içerisinden, gizli kalmış, değerli, kullanılabilir bilgileri açığa çıkaran ve stratejik karar destek sağlamak amacıyla kullanılan bir yöntemdir. Veri madenciliği çeşitli alanlarda kullanılmasına rağmen, özellikle sağlık alanında çeşitli zorluklarla karşılaşmaktadır. Sağlık alanında bilginin sürekli değişmesi, fazla miktarda yapısal olmayan veriye sahip olması ve bu verilerin farklı ortamlarda bulunması verileri analiz etmeyi zorlaştıran faktörlerdir. Sınıflama ya da kümeleme sorununun yaşandığı durumlarda 'Kohonen öz örgütlemeli haritalama yöntemi' ile sınıflama ya da kümeleme yapılması sınıflama ve kümeleme problemini çözeceği düşünülmektedir. Tezin amacı; veri madenciliğinde, sınıflama ve kümeleme amacı ile kullanılan“Kohonen öz örgütlemeli haritalama yöntemi”ni kuramsal olarak tanıtmak, bu yöntemin özelliklerini incelenmek, psikotik hastalıkların alt türlerini ilgili yöntem ile sınıflamak/kümelemek, sağlık alanında sınıflama ya da kümeleme gereksinimi olduğu durumlarda bu yöntemin kullanılabilirliğini göstermektir. Tezin hipotezi, bu yöntem sonucunda elde edilen sınıflama/kümeleme performansının (doğruluk oranının vb.) diğer klasik yöntemlere göre daha yüksek olacağıdır. Bu tez çalışmasında; 'Şizofreni ve diğer psikotik bozukluklarda faktör yapısı' başlıklı uzmanlık tezi için toplanmış ait 268 psikotik bireyin verisi kullanılmıştır. Kümeleme ve sınıflama yöntemleri R programı kullanılarak analiz edilmiştir. Kohonen öz örgütlemeli haritalama yöntemi ile sınıflamanın performansı değerlendirildiğinde, sınıflama performansının yüksek olduğu görülmüştür. Kohonen haritalama yönteminin, sağlık verisi üzerinde kümeleme performansı araştırılmış ve Kohonen öz örgütlemeli haritalama yönteminin sonucu klasik kümeleme yöntemleri (k-ortalamalar yöntemi ve hiyerarşik kümeleme yöntemi) ile karşılaştırılmıştır. Kümeleme performansları; kümeleme indeksleri kullanılarak değerlendirilmiştir. 4 farklı tanı grubu açısından Kohonen öz örgütlemeli haritalama yöntemi ile diğer kümeleme yöntemlerinin sonuçları karşılaştırılmıştır. Tanı gruplarına ve indekslere göre, yöntemlerin başarı oranının değiştiği ve sadece bir indekste Kohonen öz örgütlemeli haritalama yönteminin diğer yöntemlerden daha iyi performansa sahip olduğu görülmüştür.
Özet (Çeviri)
Data mining is a method that is used to extract hidden, valuable, usable information among large amounts of data, and to support strategic decisions. Despite the fact that data mining is used in a variety of fields, it faces various challenges, especially in the field of health. The constant change of information in the health field, the excessive amount of non-structural data, and the presence of these data in different environments make it difficult to analyze data. It is thought that classification or clustering by 'Kohonen self-organization mapping method' in cases where classification or clustering problem is experienced will solve classification and clustering problem. The aim of this thesis is to theoretically introduce the 'Kohonen self-organization mapping method' used in data mining for classification and clustering purposes, to examine its properties, to classify/cluster the subtypes of psychotic diseases with related methods, to show its applicability of this method in case of necessity of classifying or clustering in health field. The thesis hypothesis is that the classification / clustering performance (accuracy rate, etc.) obtained as a result of this method will be higher than the other classical methods. In this thesis study, data of 268 psychotic individuals collected for the dissertation thesis named 'Factor structure in schizophrenia and other psychotic disorders' were used. Clustering and classification methods were analyzed using the R program. When the performance of the classification made by the Kohonen self-organization mapping method was evaluated, it was found that the classification performance was high. The clustering performance of the Kohonen self-organization mapping method on health data was investigated and the result of the Kohonen self-organization mapping method was compared with classical clustering methods (k-means method and hierarchical clustering method). Clustering performances were evaluated using clustering indexes. In terms of 4 different diagnostic groups, the results of Kohonen self-organization mapping method and other clustering methods were compared. It was seen that the success rate changes according to the diagnostic groups and indexes, and only in one index Kohonen self-organisation mapping map has better performance than the other methods.
Benzer Tezler
- Kalpteki fokal ventriküler aritmi kaynağının yerinin tespitinde kümeleme ve sınıflandırma uygulamaları
Clustering and classification applications for ventricular focal cardiac arrhytmia source localization
AHMET SERTAÇ SUNAY
Doktora
Türkçe
2010
Elektrik ve Elektronik MühendisliğiBaşkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BÜLENT YILMAZ
- Öz örgütlemeli (Kohonen) haritalar ile yer seçimi ve kaynak ataması probleminin çözümü ve bir uygulama
Solving location-allocation problem using self organizing (Kohonen) maps and an application
EMRE BULUT
Yüksek Lisans
Türkçe
2008
Endüstri ve Endüstri Mühendisliğiİstanbul ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞAKİR ESNAF
- Öz örgütlemeli (Kohonen) haritalar ile esnek üretimde yer alan otomatik güdümlü araçların (OGA) rotalarının belirlenmesi
Determining routes of automated guided vehicles by self organizing (Kohonen) maps in flexible manufacturing
MEHMET SARIDOĞAN
Yüksek Lisans
Türkçe
2009
Endüstri ve Endüstri Mühendisliğiİstanbul ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR ESNAF
- Uluslararası Öğrenci Değerlendirme Programı 2015 verilerinin veri madenciliğinde kümeleme yöntemleriyle incelenmesi
Examination of the Program for International Student Assessment 2015 data by clustering methods in data mining
MEHMET TAHA ESER
Doktora
Türkçe
2019
Eğitim ve ÖğretimHacettepe ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DERYA ÇOBANOĞLU AKTAN
PROF. DR. CEM OKTAY GÜZELLER
- Yapay sinir ağları ile ayrık türkçe sözcüklerin tanınması
Isolated Turkish word recognition with artificial neural networks
AYÇA GÖKHAN
Yüksek Lisans
Türkçe
1997
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET ARSLAN