Çok etiketli sınıflandırma problemi için ikili alaka düzeyi algoritması geliştirilmesi
Improving binary relevance algorithm for multilabel classification problem
- Tez No: 691266
- Danışmanlar: PROF. DR. MUSTAFA SERDAR KORUKOĞLU, DOÇ. DR. AYTUĞ ONAN
- Tez Türü: Yüksek Lisans
- 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: Bilgisayar Mühendisliği Bilim Dalı
- 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
- 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
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET HALİT SEYFULLAH OĞUZTÜZÜN
PROF. DR. ADNAN YAZICI
- Presentation attack detection with shuffled patch-wise binary supervision
Karıştırılmış yama tabanlı ikili gözetim ile sunum saldırı tespiti
ALPEREN KANTARCI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- 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
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MUSTAFA GÖKÇE BAYDOĞAN
- 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
2022
Elektrik ve Elektronik MühendisliğiPamukkale ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BEDRİ BAHTİYAR
- Identification of cyberbullying using machine learning techniques
Makine öğrenmesi tekniklerini kullanarak siber zorbalığın tespiti
ALI NAJIB
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SELMA AYŞE ÖZEL