Shapley konsantrasyon bölgesindeki galaksilerin istatistiksel öğrenme yöntemleriyle sınıflandırması
Classification of galaxies in shapley concentration region with statistical learning methods
- Tez No: 617134
- Danışmanlar: DR. ÖĞR. ÜYESİ NİDA GÖKÇE NARİN
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Muğla Sıtkı Koçman Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 69
Özet
Galaksiler, kütle çekim kuvvetiyle bir arada bulunan gaz, toz ve karanlık maddeler ile birlikte farklı boyutlarda, farklı parlaklık derecesinde ve farklı konumlardaki yıldız kümelerinden oluşan sistemlerdir. Evrende milyarlarca galaksi bulunmaktadır ve gelişen teknolojiye paralel olarak her geçen gün yeni galaksi ve gökcisimleri keşfedilmektedir. Her bir galaksinin tek tek incelenmesi oldukça maliyetli olduğundan yeni keşfedilen gök cisimlerinin hâlihazırda bilinen cisimlere benzerliklerini tespit etmek önemli bir problemdir. Galaksileri benzerliklerine göre sınıflandırmak çok sayıda ve farklı özelliklere sahip olan galaksileri daha küçük kompakt gruplar olarak incelemeye imkân sağlar. Bu amaçla gökyüzünde geniş alanlarda gerçekleştirilen taramalar sonucunda belirlenen galaksileri benzerliklerine göre sınıflandırılan büyük kataloglar üretilmiştir. Galaksi sınıflandırma yöntemleri, veri seti içindeki gizli örüntüyü ortaya çıkararak doğal grupları henüz tespit edilmemiş olan galaksilerin hangi grupta yer alabileceğini tahmin etmek amacıyla kullanmaktadırlar. Bu sayede gerek araştırmacılara gerekse astronomlara zaman ve maliyet açısından önemli kazançlar sağlanmaktadır. Bu çalışma da özel olarak Shapley Konsantrasyon bölgesindeki 4215 galaksi, 5 değişken dikkate alınarak sınıflandırılmıştır. Mevcut gökyüzü kataloglarından Abell kataloğu Shapley Konsantrasyon Bölgesindeki bu galaksileri 8 farklı grupta ele almıştır. IDL programlama ile söz konusu bölgedeki galaksilerin hangi Abell grubunda yer aldıkları belirlenmiştir. Doğal grupları tespit edilen galaksiler Weka programı ile istatistiksel ve makine öğrenme algoritmaları kullanılarak sınıflandırılmıştır. Bayes Sınıflandırıcı yöntemlerinden Naive Bayes ve Bayes Ağ, Karar ağaçları yöntemlerinden J48, LMT ve Rasgele Orman algoritmaları, Destek Vektör sınıflandırma yöntemi ve yapay sinir ağlarından Çok Katmanlı Algılayıcılar kullanılmıştır. Elde edilen sınıflandırma sonuçları doğal gruplarla karşılaştırılarak öğrenme yöntemlerinin tahmin performansları değerlendirilmiştir.
Özet (Çeviri)
Galaxies are systems consisting of clusters of stars of different sizes, different luminosity, and different positions, together with gas, dust and dark matter combined with gravitational force. There are billions of galaxies in the universe and new galaxies and celestial bodies are being discovered every day in parallel with the developing technology. Since it is very costly to examine each galaxy individually, it is an important problem to identify the similarity of newly discovered celestial bodies to those already known. Classifying galaxies by their similarities allows us to examine galaxies with numerous and different properties into smaller compact groups. For this purpose, large catalogs, which were classified according to their similarities, were produced as a result of scans carried out in large areas in the sky. Galaxy classification methods reveal the hidden pattern in the data set and use it to estimate which group of galaxies whose natural groups have not yet been identified. In this way, both researchers and astronomers gain significant time and cost savings. In this study, 4215 galaxies in Shapley Concentration region were classified according to 5 variables. One of the available sky catalogs, the Abell catalog deals with these galaxies in the Shapley Concentration region in 8 different groups. By using IDL programming, it was determined that the galaxies in the region were available in which Abell group was. Galaxies whose natural groups were detected were classified by using Weka program and statistical and machine learning algorithms. Naive Bayes and Bayes Network from Bayes classification methods, J48, LMT and Random Forest algorithms from Decision Trees methods, Support Vector classification method and Multilayer Perceptron from artificial neural networks were used. The estimation performances of learning methods were evaluated by comparing the results obtained with the natural groups.
Benzer Tezler
- Coincidence of Myerson Allocation Rule with Shapley
Myerson Dağıtım Kuralı'nın Shapley değeri ile örtüşmesi
TÜMER KAPAN
Yüksek Lisans
İngilizce
2003
Ekonomiİhsan Doğramacı Bilkent Üniversitesiİktisat Ana Bilim Dalı
PROF. DR. SEMİH KORAY
- The jobless growth: The shapley value approach to the Turkish economy
İstihdamsız büyüme: Türk ekonomisine Shapley değeri yaklaşımı
MEHMET ALİ TEKKANAT
Yüksek Lisans
İngilizce
2022
EkonomiHacettepe Üniversitesiİktisat Ana Bilim Dalı
PROF. DR. AYŞEN SİVRİKAYA
- Solving hard stable marriage problems using logic-based methods
Mantık temelli yöntemler kullanarak zor istikrarlı evlilik problemlerini çözme
SELİN EYÜPOĞLU
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. ESRA ERDEM
- İşbirlikçi tesis lokasyon oyunları
Cooperative facility location games
MARWAH IMAD NAJM NAJM
Yüksek Lisans
Türkçe
2018
MatematikSüleyman Demirel ÜniversitesiMatematik Ana Bilim Dalı
DOÇ. DR. SIRMA ZEYNEP ALPARSLAN GÖK
- Performance analysis of a power aware routing protocol for ad hoc networks
Tasarsız ağlar için güç-bilinçli bir yönlendirme protokolünün başarım incelemesi
MEHMET AKİF YAZICI
Yüksek Lisans
İngilizce
2006
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SEMİH BİLGEN