Geri Dön

Çok etiketli sınıflandırma problemi için ikili alaka düzeyi algoritması geliştirilmesi

Improving binary relevance algorithm for multilabel classification problem

  1. Tez No: 691266
  2. Yazar: AHMET GÜRBÜZ
  3. Danışmanlar: PROF. DR. MUSTAFA SERDAR KORUKOĞLU, DOÇ. DR. AYTUĞ ONAN
  4. Tez Türü: Yüksek Lisans
  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: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 72

Özet

Günümüzde teknolojinin gelişmesiyle birlikte veri boyutlarında ve veri çeşitliliğinde ciddi bir artış görülmektedir. Artan verinin analizi ve kullanımı makine öğrenmesi yöntemlerinin yardımıyla kolaylaşmaktadır. Bu veri çeşitliliği ile ortaya çıkan veri türlerinden biri de çok etiketli verilerdir. Çok etiketli veriler çok etiketli sınıflandırma problemini ortaya çıkarmıştır. Sınıflandırma, bir veriyi özelliklerini analiz ederek önceden belirlenmiş bir etiket ile ilişkilendirme işlemidir. Çok etiketli sınıflandırma ise bir verinin aynı anda özellikleriyle ilişkili birden çok etiket ile ilişkilendirilebildiği bir sınıflandırma türüdür. Bu tez çalışması kapsamında var olan çok etiketli sınıflandırma yöntemleri incelenmiş ve bir problem dönüşüm metodu olan ikili alaka (binary relevance) yöntemini iyileştiren BRS, BRA, BRLP ve topluluk öğrenmesi (ensemble learning) yöntemleri olmak üzere toplamda 4 yöntem ortaya konulmuştur. Çalışma kapsamında ortaya koyulan yöntemler ile literatürde var olan yöntemler deneysel olarak 17 adet veri seti ile 13 metrik bakımından karşılaştırılmıştır. Deneyler sonucunda çalışma kapsamında ortaya koyulan bazı yöntemlerin literatürde var olan yöntemleri geride bıraktığı gözlemlenirken bazılarının ise var olan yöntemler ile kıyaslanabilecek düzeyde sonuçlar ortaya koyduğu gözlemlenmiştir.

Özet (Çeviri)

Nowadays with the technological improvements a serious increase on size and variety of data can be observed. Machine learning makes it easier to analysis and usage of this data. One of the data types that emerges with the increasing variety of data is multi label data. With the multilabel data, multilabel classification problem arises. Classification is process of associating an instance with a predefined label by analyzing its attributes. Multilabel classification is type of classification that an instance can be associated with multiple labels based on its attributes. In this thesis study existing multi label classification methods are studied and 4 methods such as BRS, BRA, BRLP and ensemble methods that improves binary relevance method which is a problem transformation method for multi label classification problem are suggested. In the scope of this study proposed methods and methods that exists in the literature experimentally compared using 17 datasets based on 13 metrics. In the results of experiments, it is observed that some of suggested methods passed the existing methods performance wise and some suggested methods can compete existing methods performance wise.

Benzer Tezler

  1. Multi-objective evolutionary algorithms for multi-label classification supported by deep auto-encoder on image and video data

    Çok etiketli sınıflama ̇için çok amaçlı evrimsel algoritmaların derin otokodlayıcı desteği ̇ile resim ve video verilerine uygulanması

    GİZEM NUR KARAGÖZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET HALİT SEYFULLAH OĞUZTÜZÜN

    PROF. DR. ADNAN YAZICI

  2. Presentation attack detection with shuffled patch-wise binary supervision

    Karıştırılmış yama tabanlı ikili gözetim ile sunum saldırı tespiti

    ALPEREN KANTARCI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HAZIM KEMAL EKENEL

  3. A new representation method for multivariate time series classification problem using interval means and polar histogram densities

    Çokdeğişkenli zaman dizisi sınıflandırma problemi için aralık ortalamaları ve kutupsal histogram yoğunlukları kullanılan yeni bir temsil metodu

    NURETTİN DORUKHAN SERGİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MUSTAFA GÖKÇE BAYDOĞAN

  4. İç hastalıkları alanında makine öğrenmesi yöntemlerinin uygulamaları ve karşılaştırılmaları

    Applications and comparisons of machine learning methods in the field of internal diseases

    LEYLA TÜLÜ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiPamukkale Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BEDRİ BAHTİYAR

  5. Identification of cyberbullying using machine learning techniques

    Makine öğrenmesi tekniklerini kullanarak siber zorbalığın tespiti

    ALI NAJIB

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SELMA AYŞE ÖZEL