Akış verisinde anormallik tespiti
Anomaly detection for stream data
- Tez No: 565212
- Danışmanlar: PROF. DR. MUHAMMET ALİ AKCAYOL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 152
Özet
Gelişen teknoloji, verinin eskiden sahip olduğu statik konumdan çıkmasına neden olmuştur. Günümüzde veri, sürekli hareket halinde olan ve büyüyen bir kavram haline gelmiştir. Verinin bu dinamikliği, hızlı analiz yapabilen mekanizmalara olan ihtiyacı gözler önüne sermiştir. Bu analizlerin önemli alt dallarından biri, anormallik tespitidir. Gelen veriler üstünden anlık anormallik tespiti yapabilen sistemler kendilerine geniş bir araştırma alanı bulmaya başlamıştır. Bu tez çalışmasında akış verileri üstünde anormallik tespitinde kullanılabilecek bir eşik değeri önerilmiştir. Bu eşik değeri, verinin normal değerleriyle eğitilen regresyon modellerinin yaptığı hata oranlarını temel alır. Eşik değerinin başarısını göstermek amacıyla önerilen eşik değeri, üç farklı regresyon modeli üstünde denenmiştir. Bu modellerden iki tanesi çevrimdışı öğrenme yaparken bir tanesi çevrimiçi öğrenme yapmaktadır. Üç modelin“Yahoo! S5 A Labeled Anomaly Detection Dataset”veri kümesi üstünde elde ettiği sonuçlar, önerilen eşik değerinin çok başarılı olduğunu göstermektedir. Uygulanan modeller literatürdeki benzer çalışmalar ile karşılaştırılmış ve modellerin başarısını arttırabilecek önerilerde bulunulmuştur.
Özet (Çeviri)
Emerging technology has led data to become an ever-growing and continuously on the move concept nowadays, from its former static position. This dynamic characteristic of data has led to the requirement for mechanisms capable of rapid analysis. One of the most significant sub-branches of these analyses is the anomaly detection. Systems that can instantly detect anomalies over incoming data have begun to find a wide research area. In this thesis study, a threshold value which can be used in determining the anomaly on the incoming data is proposed. This threshold value is based on the error rates of the regression models that are trained with the normal values of the data. In order to demonstrate the success of the threshold value, the proposed threshold value was put to test on three different regression models. Two of these models learn offline while one of them is learning online. Results obtained on“Yahoo! S5 A Labeled Anomaly Detection Dataset”indicate that the recommended threshold value is successful. The applied models were compared with similar studies in the literature and suggestions were made to increase the success of the models.
Benzer Tezler
- Sosyal medyanın tüketicinin satın alma karar sürecine etkisi: İzmir ilinde araştırma
The effect of social media on consumers purchasing decision process: A research in İzmir
ŞİYAR DONDAR
Yüksek Lisans
Türkçe
2021
İşletmeBurdur Mehmet Akif Ersoy Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. NİL ESRA DAL
- Design process, manufacturing and material characterization of a prosthetic polymer aortic heart valve
Protez polimer aort kalp kapağının tasarım süreci, üretimi ve malzeme karakterizasyonu
MÜGE YAREN YAŞARTÜRK
Yüksek Lisans
İngilizce
2024
Biyoteknolojiİstanbul Teknik ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
PROF. DR. MUSTAFA SERDAR ÇELEBİ
- On modeling the single period spare parts distribution system design problem by mixed integer linear optimization
Tek dönemli yedek parça dağıtım sistemi tasarım probleminin karışık tam sayılı doğrusal optimizasyon ile modellenmesi üzerine
HAZAL ERCAN
Yüksek Lisans
İngilizce
2019
Endüstri ve Endüstri MühendisliğiSabancı ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜVENÇ ŞAHİN
DR. ÖĞR. ÜYESİ FATMA TEVHİDE ALTEKİN
- Büyük metin verisinde sıkıştırma ve sıkıştırılmış arama için kelime tabanlı bir yaklaşım
A word based approach for compression and compressed matching in big text data
EMİR ÖZTÜRK
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BANU DİRİ
DR. ÖĞR. ÜYESİ ALTAN MESUT
- Nakit akış tablolarında finansal riskin öngörülmesi için makine öğrenmesi algoritmalarının karşılaştırılması
Comparision of machine learning algorithms for predicting financial risk in cash flow statements
ECEM ENGİN
Yüksek Lisans
Türkçe
2024
İstatistikMimar Sinan Güzel Sanatlar Üniversitesiİstatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DAMLA İLTER FAKHOURI