Geri Dön

Ağ bağlantılı veriler için gözetimsiz ikili öznitelik oluşturma yöntemi

Unsupervised binary feature construction method for networked data

PDF İndir

  1. Tez No: 604292
  2. Yazar: ARZU KAKIŞIM
  3. Danışmanlar: PROF. DR. İBRAHİM SOĞUKPINAR
  4. Tez Türü: Doktora
  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: Gebze Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 112

Özet

Ağ verileri, ağ nesnelerinden ve bağlantılardan oluşan verilerdir. Ağ nesneleri, yüksek boyutlu özniteliklerle ve bu nesneler arasındaki ilişkileri gösteren bağlarla karakterize edilir. Bununla birlikte, geleneksel öznitelik seçimi ve öznitelik çıkarma yöntemleri, yalnızca bu ağlara ait öznitelik bilgisini dikkate almaktadır. Bu nedenle, bu yöntemler ağa ait bağlantı bilgisini göz ardı etmektedir. Bu tezde, ağ verilerine ait bağlantı ve öznitelik bilgisi birlikte kullanılarak, ağ verileri için yeni bir öznitelik çıkarım yöntemi geliştirilmiştir. Ağın bağlantı bilgisinden yararlanarak her ağ nesnesi için öznitelikleri yeniden yapılandıran bir denetimsiz ikili özellik oluşturma yöntemi (NetBFC) geliştirilmiştir. Ağdaki benzer nesneleri birbirleri ile ilişkilendirerek, yöntemimiz aynı grupta olma olasılığı yüksek nesneler arasındaki benzerlikleri artırır. Sunulan yöntem, ağa bağlı verilerin seyrekliğinden kaynaklanan zorluğun üstesinden gelmek için nesneleri, kendisine benzerlik gösteren nesneler ile gruplandırarak ve bu grup içerisinde sıklıkla gözlemlenen nitelikler ile ilişkilendirerek her bir nesne için yerel öznitelik zenginleştirmesini ve yerel öznitelik seçimini mümkün kılar. Ek olarak, bu yöntem, kümeleme algoritmalarının performansını düşüren alakasız ve gereksiz nitelikleri ortadan kaldırmak için bir öznitelik eleme aşaması uygular. Gerçek dünyadaki verileri üzerinde gerçeklenen deneyler sonucunda, NetBFC'nin temel yöntemlere kıyasla daha iyi performans sağladığı gözlemlenmiştir.

Özet (Çeviri)

Networked data is data composed of network objects and links. Network objects are characterized by high dimensional attributes and by links indicating the relationships among these objects. However, traditional feature selection and feature extraction methods consider only attribute information, thus ignoring link information. In the presented work, we propose a new unsupervised binary feature construction method (NetBFC) for networked data that reconstructs attributes for each object by exploiting link information. By exploring similar objects in the network and associating them, our method increases the similarities between objects with high probability of being in the same group. The proposed method enables local attribute enrichment and local attribute selection for each object by aggregating the attributes of similar objects in order to deal with the sparsity of networked data. In addition, this method applies an attribute elimination phase to eliminate irrelevant and redundant attributes which decrease the performance of clustering algorithms. Experimental results on real-world data sets indicate that NetBFC significantly achieves better performance when compared to baseline methods.

Benzer Tezler

  1. Tez No

    309371

    A distributed scheme to detect wormhole attacks in mobile wireless sensor networks

    Mobil kablosuz duyarga ağlarında solucan deliği saldırılarını tespit etmek için dağıtık bir şema

    OYA ŞİMŞEK

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALBERT LEVİ

  2. Tez No

    442212

    An adaptive, energy-aware and distributed fault-tolerant topology-control algorithm for heterogeneous wireless sensor networks

    Heterojen kablosuz sensör ağları için uyarlanabilir, enerji seviyesi farkında ve dağıtık hata toleranslı topoloji kontrol algoritması

    FATİH DENİZ

    Doktora

    İngilizce

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADNAN YAZICI

  3. Tez No

    835232

    Accident data analysis for formal scenario generation and traffic simulation

    Resmi senaryo oluşturumu ve trafik simülasyonu için kaza veri analizi

    İLKE KUTLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. TAHİR ÇETİN AKINCI

    DOÇ. DR. MUSTAFA İLHAN AKBAŞ

  4. Tez No

    625830

    A taxonomy of artificial neural networks

    Yapay sinir ağlari'nin bir taksonomisi

    ALP EREN YILMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Matematik Ana Bilim Dalı

    PROF. DR. ATABEY KAYGUN

  5. Tez No

    618930

    Performance assessment of physiotherapy and rehabilitation exercises with deep learning

    Derin öğrenme ile fizyoterapi ve rehabilitasyon egzersizleri için performans değerlendirme

    İLHAN AYTUTULDU

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TARKAN AYDIN

Geri Dön