The performance comparison of support vector machine classification kernel functions on medical databases
Destek vektör makine sınıflandırma çekirdeği fonksiyonlarının tıbbi veri setindeki performans karşılaştırması
- Tez No: 539058
- Danışmanlar: PROF. DR. ENGİN AVCI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 67
Özet
Bu araştırmada, dört farklı destek vektörü makinesi çekirdek fonksiyonunun (normalleştirilmiş polinom çekirdek fonksiyonu (NPK), polinom çekirdek fonksiyonu (PK), Pearson VII fonksiyon tabanlı Evrensel Çekirdek fonksiyonu (PUK) ve Radyal Temel Fonksiyon Çekirdeği (RBF) doğru sınıflandırma performansları, 5 farklı tıbbi veri seti (otistik çocuklar, otistik ergenler, kronik böbrek yetmezliği, kriyoterapi ve immünoterapi) kullanılarak karşılaştırılmıştır. Bu tez çalışmasında kullanılan tıbbi veri tabanlarının tamamı, açık erişimli UC Irvine Machine Learning Repository' den elde edilmiştir. Bu tez çalışmasında yapılan bütün çalışmalar, WEKA paket program ortamında gerçekleştirilmiştir. Daha sonra, bu tez çalışmasından elde edilen doğru tanıma sonuçları, karmaşıklık matrisi, doğruluk, hassasiyet ve hata oranından oluşan veri madenciliği alanındaki bilinen sınıflandırma standartları açısından karşılaştırılmıştır.
Özet (Çeviri)
In this research, an intelligent system framework was constructed by accurately comparing the classification performance of four different types of support vector machine; this included the SVM algorithm kernel functions (normalised polynomial kernel function (NPK), polynomial kernel function (PK), Pearson VII function-based Universal Kernel function (PUK), and the Radial Basis Function Kernel (RBF). This study used five different types of medical datasets (autistic children, autistic adolescents, chronic kidney failure, cryotherapy and immunotherapy), which differ from one another in terms of the quantity of the data and the medicinal and therapeutic content. The databases were extracted from the University of California Irvine machine learning repository. The method of tuning the parameters was followed in order to obtain the best performance results for the kernel functions using the Weka workbench tool. We then compared the best result of each kernel with the other kernels in terms of familiar classification standards in the field of data mining, which consisted of the confusion matrix, accuracy, sensitivity, precision and error rate.
Benzer Tezler
- Gen ifade veri setlerinde boyut indirgeme yöntemlerinin sınıflama performansına etkilerinin karşılaştırılması
Comparison of the effect of dimension reduction methods on classification performance in gene expression data sets
FATMA HİLAL YAĞIN
Yüksek Lisans
Türkçe
2020
Biyoistatistikİnönü ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
DOÇ. DR. HARİKA GÖZDE GÖZÜKARA BAĞ
- Destek vektör makinelerinde kullanılan çekirdek fonksiyonların sınıflama performanslarının karşılaştırılması
A comparison of classification performance of the kernel functions used in support vector machines
ÜLGER AYDOĞAN
Yüksek Lisans
Türkçe
2010
BiyoistatistikHacettepe ÜniversitesiBiyoistatistik Ana Bilim Dalı
DOÇ. DR. HAFİZE SEZER
PROF. DR. OSMAN SARAÇBAŞI
- Destek vektör makineleri yardımıyla tüketici kredilerinin sınıflandırılması
Classifying consumer loans by means of support vector machines
KAYAHAN KAYA
Yüksek Lisans
Türkçe
2016
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ
- EEG sinyallerinde farklı boyut indirgeme ve sınıflandırma yöntemlerinin karşılaştırılması
The comparison of various dimension reduction and classification methods in EEG signals
HAKAN ÖZTÜRK
Yüksek Lisans
Türkçe
2016
BiyoistatistikAdnan Menderes ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. MEVLÜT TÜRE
PROF. DR. NEFATİ KIYLIOĞLU
- Destek vektör makineleri ve lojistik regresyon yöntemi ile sınıflandırma: Türkiye' nin ithalat ve ihracat örneği
Ckassification with support vector machines and logistic regression: the example of Turkey's import and export
ÖZLEM TAYA
Yüksek Lisans
Türkçe
2022
Ekonometriİnönü ÜniversitesiEkonometri Ana Bilim Dalı
DOÇ. DR. BAHADIR YÜZBAŞI