Geri Dön

A hybrid approach for feature reduction

Öznitelik azaltma için hibrit bir yaklaşım

  1. Tez No: 562242
  2. Yazar: BARIŞ DİNÇ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ BUSE MELİS ÖZYILDIRIM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 146

Özet

Bu tezde, şu anda mevcut olan öznitelik seçimi ve boyut azaltma yöntemleri üç farklı veri kümesi üzerinde analiz edilmiştir. Makine öğrenim alanında hızları nedeniyle popüler olan filtreleme temelli öznitelik seçim yöntemlerinin üzerinde durulmuştur. Ek olarak, özniteliklerin puanlarının birbirine yakın olması durumunda boyut azaltma uygulanarak özniteliklerin doğrusal bir genellemesi elde edilmiştir. Bu tezde incelenen öznitelik seçme yöntemleri, aralarındaki ilişkiyi göz ardı ederek özniteilkleri ayrı ayrı değerlendirmektedir. Bu aşamada, gereksiz olarak işaretlenen öznitelikler tamamen ilgisiz kabul edilir. Bu nedenle, bu tezde, bir hibrid öznitelik azaltma yaklaşımı önerilmiştir. Bu yaklaşımda, seçilmemiş öznitelikler, doğrusal izdüşümleri sağlanarak sınıflandırma ve kümelemeye katılma fırsatına da sahiptir. Dolayısıyla, bu yaklaşımla hem öznitelik seçimi algoritması tarafından seçilen en alakalı öznitelikler hem de seçilmemiş özniteliklerin projeksiyonu kullanılmaktadır. F-ölçümü açısından elde edilen sonuçlar, en yüksek skora sahip özniteliklerden oluşan en iyi öznitelik altkümesinin seçilmesinin yanı sıra, seçilmemiş özniteliklere mükemmel uyum şansı vermenin, tatmin edici sınıflandırma sonuçlarına neden olabileceğini göstermektedir.

Özet (Çeviri)

In this thesis, currently available feature selection and dimension reduction methods are analyzed on three different datasets. Particular emphasis is given to filtering-based feature selection methods, which are popular in machine learning area due to their speed. In addition, a linear generalization of the features is obtained by applying dimension reduction in case the scores of the features are close to each other. The feature selection methods that are examined in this thesis evaluate features individually by ignoring correlation between them. At this stage, features marked as redundant are accepted completely irrelevant. Hence, in this thesis, a hybrid feature reduction approach is proposed. In this approach, unchosen features have also opportunity to be involved in classification and clustering by providing a linear projection. Hence, with this approach both the most relevant features selected by feature selection algorithm and projection of unchosen features are utilized. The results obtained in terms of f-measurement show that, besides selecting the best feature subset consisting of top-n features, giving a perfect-fit chance to unchosen features may lead to satisfactory classification results.

Benzer Tezler

  1. Makine öğrenmesi algoritmalarının hibrit yaklaşımı ile ağ anomalisi tespiti

    Network anomaly detection with a hybrid approach of machine learning algorthms

    FEYZA ÖZGER

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HALİT ÖZTEKİN

  2. Ontoloji boyut indirgemeli derin öğrenme yaklaşımı: Yapısal olmayan dokümanların sınıflandırılması üzerine bir uygulama

    Deep learning approach with ontology based dimension reduction: An application on classification of unstructured documents

    İLKAY YELMEN

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ GÜNEŞ

  3. A new host-based hybrid intrusion detection system architecture using machine learning algorithms with feature selection

    Özellik seçimi ve öğrenme algoritmalarını kullanan yeni bir sunucu tabanlı melez saldırı tespit sistemi mimarisi

    MURAT TOPALLAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2004

    Elektrik ve Elektronik MühendisliğiBoğaziçi Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. EMİN ANARIM

    DOÇ. DR. KEMAL CILIZ

  4. Evrişimsel sinir ağları ve çekirge optimizasyon algoritması kullanarak kolon kanser hastalığı tesbiti

    Colon cancer disease diagnose with convolutional neural network and grasshopper optimization algorithm

    AMNA ALI A MOHAMED

    Doktora

    Türkçe

    Türkçe

    2024

    Mühendislik BilimleriKastamonu Üniversitesi

    Malzeme Bilimi ve Mühendisliği Ana Bilim Dalı

    PROF. DR. AYBABA HANÇERLİOĞULLARI

  5. Akciğer seslerinin makine öğrenmesi yöntemleri ile sınıflandırılması

    Classification of lung sounds using machine learning techniques

    MAHMUD ESAD ARAR

    Doktora

    Türkçe

    Türkçe

    2024

    BiyomühendislikYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. HERMAN SEDEF