Aykırı değer belirleme için melez bir zeki sistem tasarımı ve gerçekleştirimi
Design and implementation of hybrid intelligent system for outlier detection
- Tez No: 675322
- Danışmanlar: Prof. Dr. AYBARS UĞUR
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2017
İşletmeİstanbul Teknik Üniversitesiİşletme Ana Bilim Dalı
Assoc. Prof. Dr. MEHMET ERÇEK
- Simetrik çok değişkenli dağılımlarda aykırı değer belirleme yöntemlerinin performanslarının incelenmesi
Evaluation of outlier detection methods performance in symmetric multivariate distributions
ENDER UZABACI
Doktora
Türkçe
2017
BiyoistatistikUludağ ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. İLKER ERCAN
- 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
2008
Jeodezi ve FotogrametriOrta Doğu Teknik ÜniversitesiJeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı
DOÇ. DR. MAHMUT ONUR KARSLIOĞLU
- 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
2024
EkonometriSivas Cumhuriyet ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. NECATİ ALP ERİLLİ
- 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