Geri Dön

Akış verisinde anormallik tespiti

Anomaly detection for stream data

  1. Tez No: 565212
  2. Yazar: OZAN CAN ACAR
  3. Danışmanlar: PROF. DR. MUHAMMET ALİ AKCAYOL
  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: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    Türkçe

    2021

    İşletmeBurdur Mehmet Akif Ersoy Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. NİL ESRA DAL

  2. 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

    İngilizce

    2024

    Biyoteknolojiİstanbul Teknik Üniversitesi

    Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı

    PROF. DR. MUSTAFA SERDAR ÇELEBİ

  3. 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

    İngilizce

    2019

    Endüstri ve Endüstri MühendisliğiSabancı Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÜVENÇ ŞAHİN

    DR. ÖĞR. ÜYESİ FATMA TEVHİDE ALTEKİN

  4. 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

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BANU DİRİ

    DR. ÖĞR. ÜYESİ ALTAN MESUT

  5. 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

    Türkçe

    2024

    İstatistikMimar Sinan Güzel Sanatlar Üniversitesi

    İstatistik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DAMLA İLTER FAKHOURI