An exact approach to maximize area under receiver operator characteristic curve for multi-instance learning
Çoklu örnek öğrenimi için alıcı operatörü karakteristik eğrisi altında kalan alanı en iyileştiren kesin yöntem yaklaşımı
- Tez No: 524613
- Danışmanlar: DOÇ. DR. ÖMER ERHUN KUNDAKCIOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Özyeğin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmanın amacı çoklu örnek sınıflandırma problemini Alıcı İşletim Karakteristiği (ROC) eğrisi altındaki alanı (yani, AUC) doğrudan maksimize ederek çözmektir. Çok örnekli sınıflandırma için mümkün olan en iyi hiperdüzlem tabanlı sınıflandırıcıyı üreten karma bir tamsayı doğrusal programlama modeli türetilmiştir. Çalışmamız, kıyaslama örnekleri için çapraz doğrulama (CV) sonuçlarını yansıtan hiperdüze tabanlı yaklaşımların potansiyeline ışık tutmaktadır. Doğrudan AUC'yi en üst düzeye çıkardıkça, hiperdüze tabanlı bir sınıflandırıcı sadece şans eseri bu yazıda sunulanlardan daha iyi bir CV doğruluğu sağlayabilir. Son olarak, AUC'yi maksimize eden doğrusal olmayan sınıflandırıcılar üretmek için çekirdek püf noktasının nasıl uygulanabileceğini sunuyoruz.
Özet (Çeviri)
The purpose of this study is to solve the multi-instance classification problem by directly maximizing the area under Receiver Operating Characteristic (ROC) curve (i.e., AUC). We derive a mixed integer linear programming model that produces the best possible hyperplane-based classifier for multi-instance classification. Our study sheds a light on the potential of hyperplane-based approaches, reflecting cross validation (CV) results for benchmark instances. As we maximize AUC directly, a hyperplane-based classifier can only coincidentally provide a better CV accuracy than those presented in this paper. Finally, we present how Kernel trick can be applied to produce nonlinear classifiers that maximize AUC.
Benzer Tezler
- Navıgatıonal route optımızatıon of actıve sonar platforms ın a multıstatıc sonar network
Çoklu alicili vericili sonar sistemlerinde hareketli araçlarin rota optimizasyonu
MEHMET GÖKHAN METİN
Doktora
İngilizce
2026
Endüstri ve Endüstri MühendisliğiMarmara ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. SEROL BULKAN
DOÇ. DR. MÜMTAZ KARATAŞ
- Kafes kodlamalı hızlı frekans kaydırmalı anahtarlama tekniğinin otamatik yineleme istemli sistemlere uyarlanması
The Application of trellis coded fast frequency shift keying modulation to the automatic repeat request systems
TANER DURAK
Yüksek Lisans
Türkçe
1993
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. H. ÜMİT AYGÖLÜ
- Yanıltıcı gözlem saldırılarına karşı çok etmenli rehberli derin pekiştirmeli öğrenme yaklaşımı
Multi agent guided deep reinforcement learning approach against state perturbed adversarial attack
ÇAĞRI ÇERÇİ
Doktora
Türkçe
2025
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ
- Demiryollarında boş yük vagonlarının dağıtılması
Başlık çevirisi yok
LÜTFÜ GÜRAN
Yüksek Lisans
Türkçe
1998
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ORAL TÜMAY
- Sezgisel Yöntemlerin Kesin Yöntemler ile Melezlenmesi Yoluyla Bilgisayar Ağlarında Güvenilirlik Probleminin Eniyilenmesi
Hybridizing Metaheuristics with Exact Techniques for Optimization of Reliability Problem in Computer Networks
ÖMER ÖZKAN
Doktora
Türkçe
2016
Endüstri ve Endüstri MühendisliğiHava Harp Okulu KomutanlığıEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT ERMİŞ
DOÇ. DR. İLKER BEKMEZCİ