Geri Dön

Yapay arı kolonisi temelli lojistik regresyon sınıflayıcıların optimal tasarımı ve türkçe spam maillerin filtrelenmesinde başarımlarının incelenmesi

Optimal design of artificial bee colony based logistic regression classifiers and analysis of their performances in filtering turkish spam e-mails

  1. Tez No: 654150
  2. Yazar: BİLGE KAĞAN DEDETÜRK
  3. Danışmanlar: PROF. DR. BAHRİYE AKAY
  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: 2020
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 104

Özet

Spam e-posta, iletişim kalitesini düşüren, alıcıları rahatsız eden ve zamanlarını boşa harcayan ciddi bir problemdir. Bu problemin çözümü, e-postaları spam veya normal olarak sınıflandırmak ve spam e-postaları elemektir. Bu sınıflandırma problemini çözmek için pek çok yöntem önerilmiştir. Makine öğrenmesi yöntemleri bir e-postayı istenen veya istenmeyen olarak sınıflandırmada etkili olduklarından dolayı spam tespit sistemlerinde yaygın olarak kullanılmaktadır. Fakat mevcut spam tespit teknikleri genellikle düşük tespit oranlarından muzdarip olurlar ve etkili bir şekilde karmaşık ve büyük boyutlu verilerin üstesinden gelemezler. Bu problemlerin üstesinden gelmek amacıyla bu tez çalışmasında üç yeni yöntem (ABC-LR, CSA-LR, ABC-CSA-LR) önerilmiştir. Veri kümeleri üzerinde yapılan deneylerin sonuçları, önerilen yöntemlerin özellikle de ABC-LR ve ABC-CSA-LR yöntemlerinin sahip olduğu yüksek oranda etkili bölgesel ve küresel arama yeteneklerinden dolayı çok boyutlu verilerle başa çıkabildiğini göstermektedir. Önerilen yöntemlerin literatürde bilinen makine öğrenmesi algoritmalarıyla kıyaslanmalarına ek olarak geçmiş çalışmalardan literatürde bilinen ve güncel yöntemlerle de karşılaştırılmıştır. Sınıflandırma doğruluğu açısından önerilen yöntemlerin bu çalışmada göz önünde bulundurulan diğer spam tespit tekniklerinden daha üstün olduğu deneysel olarak gösterilmiştir. Ayrıca Türkçe ve İngilizce veri kümeleri üzerinde gösterdikleri yüksek başarıdan dolayı önerilen yöntemlerin diller arasındaki yapısal farklılıkların üstesinden gelebildikleri anlaşılmaktadır.

Özet (Çeviri)

Spam e-mail is a serious problem that reduces communication quality, annoys recipients and wastes their time. The solution to this problem is to classify e-mails as spam or normal and eliminate spam e-mails. Many methods have been proposed to solve this classification problem. Machine learning methods are widely used in spam detection systems because they are effective in classifying an email as desired or unsolicited. However, current spam detection techniques often suffer from low detection rates and cannot effectively deal with complex and high-dimensional data. In order to overcome these problems, three novel methods (ABC-LR, CSA-LR, ABC-CSA-LR) have been proposed in this study. The results of experiments on datasets show that the proposed methods, especially the ABC-LR and ABC-CSA-LR, are able to cope with multi-dimensional data due to their highly effective local and global search capabilities. In addition to comparing the proposed methods with the state-of-the-art machine learning algorithms, they were also compared with the state-of-the-art methods reported by previous studies. It has been experimentally demonstrated that the proposed methods outperforms other spam detection techniques considered in this study in terms of classification accuracy. In addition, it is understood that the proposed methods can efficiently overcome the structural differences between languages due to their quite successful classification performances on Turkish and English data sets.

Benzer Tezler

  1. Risk-based drone routing using a hybrid swarm intelligence algorithm

    Hibrit sürü zekasi algoritmasi kullanarak risk temelli drone rotalama

    EZGİ KAYIŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Endüstri ve Endüstri MühendisliğiMarmara Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MERVE ER

  2. Yapay arı kolonisi temelli kablosuz sensör ağlarında simülasyon ve regresyon analizi ile hava kalitesi tahmini

    Air quality estimation with regression analysis and simulation in wireless sensor networks based on artificial bee colony

    MERVE ÖZDEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÜsküdar Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SERHAT ÖZEKES

  3. Nesne yönelimli yazılımlar ve RESTful web servisler için yapay arı kolonisi temelli yazılım test yöntemleri geliştirilmesi

    Artificial bee colony-based software test suite generation for object-oriented software and RESTful web services

    ÖMÜR ŞAHİN

    Doktora

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BAHRİYE AKAY

  4. Eleman sayısı kısıtlı portföy optimizasyonu için bir yapay arı kolonisi algoritması

    An artificial bee colony algorithm for cardinality constraint portfolio optimization problem

    ÖKKEŞ ERTENLİCE

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Endüstri ve Endüstri MühendisliğiPamukkale Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. CAN BERK KALAYCI

  5. Derin öğrenme yöntemleri kullanarak hiperspektral imgelerin sınıflandırılmasına yönelik yeni yaklaşımlar

    New approaches for hyperspectral image classification using deep learning

    HASAN BADEM

    Doktora

    Türkçe

    Türkçe

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALPER BAŞTÜRK