Geri Dön

Aykırı değer belirleme için melez bir zeki sistem tasarımı ve gerçekleştirimi

Design and implementation of hybrid intelligent system for outlier detection

  1. Tez No: 675322
  2. Yazar: ABDUL AHAD ABRO
  3. Danışmanlar: Prof. Dr. AYBARS UĞUR
  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: 2021
  8. Dil: Türkçe
  9. Üniversite: Ege Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 106

Özet

Melez bir zeki sistem, belli bir amaç için çeşitli yapay zeka yaklaşım ve yöntemlerinin birleştirilmesi ile oluşturulur. Melez Sistemler ve Topluluk Öğrenmesi yöntemleri aykırı değerlerin belirlenmesi kapsamında, son yıllarda finans, tıp, endüstri ve güvenlik gibi birçok uygulama alanında kullanılmaktadır. Tez çalışmasında aykırı değer tespitinde ikili sınıflandırıcı işlevi gören, performans açısından farklı yöntemlerin melezleştirildiği verimli bir Topluluk Öğrenmesi modeli geliştirilmiştir. Önce temel ve topluluk öğrenmesi sınıflandırıcıların başarı değerleri elde edilmiş; ardından melez yöntemler içerisinde farklı sınıflandırıcılar kullanılarak başarımları artırılmaya çalışılmıştır. Aykırı değer tespitinde meta öğrenici olarak lojistik regresyonun yer aldığı yığınlama yönteminde kullanılacak en uygun temel sınıflandırıcıların belirlenmesi için deneysel çalışmalar yapılmıştır. Dört topluluk öğrenmesi yönteminin (Torbalama, Artırma, Rastgele Orman ve Döndürme Ormanı) sonuçlarının birleştirilmesinin ilgili veri setlerinde en iyi performansı elde ettiği gözlemlenmiştir. Çalışma, belirtilen yaklaşım kullanılarak ilgili veri setleri için elde edilen bu melez sistem sınıflandırıcı kombinasyonu yönü ile literatürde yenilik içermektedir. Deneysel çalışmalar, ODDS kütüphanesindeki 8 adet veriseti üzerinde gerçekleştirilerek önerilen yöntemin performansı gözlenmiştir. Doğruluk, AUC, F-Değeri, precision ve recall gibi ölçütlere bakıldığında, birçok makine ve topluluk öğrenmesi yaklaşımından daha başarılı sonuçlar elde edildiği gözlemlenmiştir.

Özet (Çeviri)

A hybrid intelligent system is created by combining various artificial intelligence approaches and methods for a specific purpose. Hybrid Systems and Ensemble Learning methods have been used in many application areas such as finance, medicine, industry and security in recent years within the scope of determining outliers. In this thesis study, an efficient Ensemble Learning model, which functions as a binary classifier in detecting outliers, has been developed in which different machine learning methods are hybridized. First, performance values of basic and ensemble learning classifiers were obtained; Then, it has been tried to increase the performance by using different classifiers in hybrid methods. Experimental studies have been conducted to determine the most suitable basic classifiers to be used in the stacking method, which includes logistic regression as a meta learner for outlier detection. It has been observed that combining the results of four ensemble learning methods (Bagging, Boosting, Random Forest and Rotation Forest) achieves the best performance in the related data sets. The study includes novelty in the literature with this hybrid system classifier combination aspect, which is obtained for the related data sets using the specified approach. Experimental studies were performed on eight datasets in the ODDS library and the performance of the proposed method was observed. When looking at criteria such as Accuracy, AUC, F-measure, precision and recall, more successful results were obtained than many ensemble learning approaches.

Benzer Tezler

  1. Linking national business system with firm level innovation: The mediating role of intellectual capital and absorptive capacity

    Firma düzeyi yeniliği ile bağlantılı ulusal iş sistemi: Entelektüel sermaye ve özümseme kapasitesinin arabulucu rolü

    BASHİR AHMAD

    Doktora

    İngilizce

    İngilizce

    2017

    İşletmeİstanbul Teknik Üniversitesi

    İşletme Ana Bilim Dalı

    Assoc. Prof. Dr. MEHMET ERÇEK

  2. Simetrik çok değişkenli dağılımlarda aykırı değer belirleme yöntemlerinin performanslarının incelenmesi

    Evaluation of outlier detection methods performance in symmetric multivariate distributions

    ENDER UZABACI

    Doktora

    Türkçe

    Türkçe

    2017

    BiyoistatistikUludağ Üniversitesi

    Biyoistatistik Ana Bilim Dalı

    PROF. DR. İLKER ERCAN

  3. Wavelet-based outlier detection and denoising of airborne laser scanner data

    Havadan lazer tarama verisinde dalgacık tabanlı aykırı değer belirleme ve gürültü temizleme

    TOLGA AKYAY

    Yüksek Lisans

    İngilizce

    İngilizce

    2008

    Jeodezi ve FotogrametriOrta Doğu Teknik Üniversitesi

    Jeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı

    DOÇ. DR. MAHMUT ONUR KARSLIOĞLU

  4. İstatistikte aykırı değer tespit yöntemleri: Ekonomik özgürlükler verisi üzerine bir uygulama

    Outlier detection methods in statistics: An Application on economic freedom data

    MERVE GÖK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    EkonometriSivas Cumhuriyet Üniversitesi

    Ekonometri Ana Bilim Dalı

    PROF. DR. NECATİ ALP ERİLLİ

  5. Çok değişkenli veride aykırı değerlerin tespiti için MVV yöntemi ve diğer yöntemlerle karşılaştırılması

    The MVV method for detecting outliers in multivariate data and a comparison with the other methods

    KÜBRA TURGUT

    Yüksek Lisans

    Türkçe

    Türkçe

    2010

    İstatistikGazi Üniversitesi

    İstatistik Bölümü

    YRD. DOÇ. DR. UFUK EKİZ