The effects of preprocessing methods on prediction of traffic accident severity
Önişleme yöntemlerinin trafik kazalarının şiddetinin tahmini üzerine etkisi
- Tez No: 513939
- Danışmanlar: DOÇ. DR. ZEKERİYA TÜFEKCİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Science and Technology, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 66
Özet
Bu çalışmanın amacı farklı veri ön işleme yöntemlerinin trafik kazalarının şiddetini sınıflamadaki tutarlılığı üzerindeki etkisini incelemektir. Bu amaçla altı farklı sınıflama yöntemi, J48, Ibk, Random Forest, OneR, Naïve Bayes ve SMO, kullanılarak 2005-2015 yılları arasında Adana ilinde meydana gelen trafik kazalarını içeren ve %99 yaralanmayla, %1 ölümle sonuçlanan kazalardan oluşan veri seti üzerinde sınıflama yapılmıştır. Çeşitli veri azaltım ve veri çoğaltım yaklaşımları denenerek, verideki dengesizlikten kaynaklanan problem çözülmeye ve sınıflama tutarlılığı arttırılmaya çalışılmıştır. Analiz sonuçlarına göre en iyi sınıflayıcı yöntem ve veri ön işleme yöntemi belirlenmiştir. Buna göre, SMO neredeyse tüm analizlerde daha üstün bir performans sergilemiştir, ve en yüksek tutarlılık oranlarına ise eşit oranlarda ölümlü ve yaralanmalı kaza içeren, veri azaltımı uygulanmış veri kümesiyle ulaşmıştır.
Özet (Çeviri)
The purpose of this thesis is to investigate the effects of different preprocessing approaches on the prediction accuracy of classifiers regarding the severity of traffic accidents. For this aim, six different classification methods, including J48, Ibk, Random Forest, OneR, Naïve Bayes and SMO have been used on an imbalanced dataset consisting of 99% nonfatal and 1% fatal traffic accidents that took place in Adana between 2005 and 2015. Various undersampling and oversampling approaches are tried to solve the imbalance problem and improve the classification accuracy. Then, the results of each method are compared to determine the best classifier and preprocessing method. Accordingly, SMO has attained higher accuracy in nearly all analyses, and it has produced the highest scores with the undersampled dataset consisting of equal amount of nonfatal and fatal instances.
Benzer Tezler
- Yüksek çözünürlüklü görüntülerde derin öğrenme tabanlı nesne tespiti için yeni bir önişleme yöntemi geliştirilmesi
Development of a new preprocessing method for deep learning based object detection in high resolution images
MUHAMMED TELÇEKEN
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN
PROF. DR. SEZGİN KAÇAR
- Derin öğrenme yöntemi ile hava kalitesi parametrelerinin tahmini: Sakarya örneği
Forecasting air quality parameters by deep learning method: A case study of Sakarya
AYŞEGÜL ATALI
Yüksek Lisans
Türkçe
2023
Çevre MühendisliğiSakarya ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. BEYTULLAH EREN
- Havayolu yolculuk deneyimini iyileştirmek için makine öğrenmesi yöntemleriyle uçuş gecikmesi tahmini
Machine learning techniques for enhancing airline passenger experience through flight delay prediction
ESMA ERGÜN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜHA TUNA
- İstanbul 2023 yılı arazi örtüsü/kullanım tahmininin yapay sinir ağları ve mantıksal regresyon metotları ile modellenmesi
Modeling land use/cover prediction of istanbulfor 2023 with methods of artificial neuralnetworks and logistic regression
CEMRE FAZİLET ALDOĞAN
Yüksek Lisans
Türkçe
2019
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ UĞUR ALGANCI
- Kan değerleri ile covıd-19 enfekte düzeyinin rassal orman sınıflandırıcı ile tahmin edilmesi
Prediction of covid-19 infection level by blood samples with random forest classifier
ELİF CEREN GÖK
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ONUR OLGUN