Farklı veri setleri üzerinde yapay bağışıklık sistemi algoritması ile sınıflandırma çalışması
Classification with artificial immune system algorithm on different datasets
- Tez No: 728147
- Danışmanlar: PROF. DR. AYSUN COŞKUN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İleri Teknolojiler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 75
Özet
Makineler düşünebilir mi? sorusu ile başlayan yapay zeka serüveni; doğadaki canlıların davranışlarının örnek alınması, insanlara ait biyolojik sistemlerin çalışma prensiplerinin verilerin sınıflandırılmasında kullanılmasına kadar ilerledi. Bu sürecin bir ürünü olarak ortaya yapay bağışıklık sistemi algoritmaları çıkmıştır. Bu çalışmada yapay bağışıklık sistemi algoritmalarından biri olan klonal seçim algoritmasından yararlanılmıştır. Çalışmanın amacı klonal seçim algoritmasının veri setlerini sınıflandırmadaki doğruluk oranı üzerinden çıkarımlarda bulunmaktır. Bu amaca uygun algoritma MATLAB ortamında geliştirilmiştir. Çalışmada diyabet veri seti, karar ağacı veri seti, spam mail veri seti ve kalp riski veri seti olmak üzere 80000'i aşkın veri kullanılmıştır. Klonal seçim algoritması ile veri setlerinin sınıflandırılması işlemi; her veri seti için 10 kere tekrarlanmıştır. Kredibilite - Alman kredi veri setiyle 74,00, kalp krizi olasılığı veri seti ile %85,25, diyabet tahmini veri seti ile %77,27, karar ağacı sınıflandırması veri seti ile %97,81, derin öğrenme ile diyabet veri seti ile %76,25 ve cinsiyet sınıflandırma veri seti ile %97,81 doğruluk değerleri elde edilmiştir. Yapılan çalışma sonucu geliştirilen klonal seçim algoritmasının doğruluk değerleri veri setlerine göre farklılık göstermiştir. Geliştirilen bu algoritmanın ilerleyen zamanlardaki yapılacak çalışmalara yardımcı nitelikte olduğu değerlendirilmektedir.
Özet (Çeviri)
Artificial intelligence adventure has started with the ' Can machines think? ' and progressed by taking the behavior of living things in nature as a working principle, to the working principles of human biological systems are used for classifying data. Artificial immune system algorithms have emerged as a product of this process. In this study, clonal selection algorithm, one of the artificial immune system algorithms, is used. The aim of the study is to make inferences on the accuracy rate of the clonal selection algorithm in classifying data sets. The suitable algorithm for this purpose was developed in MATLAB environment. More than 80000 data were used in the study, including diabetes data set, decision tree data set, spam mail data set and heart risk data set. The process of classification with clonal selection algorithm repeated 10 times for each dataset. Accuracy values 74,00% with the German loan data set, 85.25% with the heart attack risk data set, 77,27% with the diabetes prediction data set, 97,81% with the decision tree data set, 76,25% with the diabetes with deep learning data set and 97,81% with the gender classification data set were obtained. As a result of the study, the accuracy values of the clonal selection algorithm differed according to the data sets. The algorithm developed is capable of helping in future studies.
Benzer Tezler
- Karaciğer kanseri tedavisinde makine algoritma öğrenimi ve yapay zeka teşhisi
Machine algorithm learning and artificial intelligence diagnosis in liver cancer treatment
YAKUP YASİN ÖZSOY
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ADEM ÖZYAVAŞ
- Use of artificial immune systems for network intrusion detection
Yapay bağışıklık sistemlerinin ağ saldırılarının tespiti için kullanımı
ORHAN BIYIKLIOĞLU
Yüksek Lisans
İngilizce
2004
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF.DR. BÜLENT ÖRENCİK
- Dengesiz sınıflandırma problemleri için aiNet algoritması tabanlı yeni bir az örnekleme yöntemi: Ainus
AiNet algorithm-based undersampling method for imbalanced classification problems: Ainus
KÜBRANUR GÜMÜŞLÜ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolNecmettin Erbakan ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE MERVE ACILAR
- Hybridization of probabilistic graphical models and metaheuristics for handling dynamism and uncertainty
Değişimin ve belirsizliğin ele alınması için olasılıksal çizgesel biçelerin ve sezgi-üstlerinin melezleştirilmesi
GÖNÜL ULUDAĞ
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE ŞİMA UYAR
- Birleştirilmiş tanı testlerine meta analitik yaklaşımlar
Meta analytic approaches for incorporated diagnostic tests
MERAL AYDIN
Doktora
Türkçe
2024
BiyoistatistikHacettepe ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. PINAR ÖZDEMİR