Seçilmemiş veri örnekleri sorunu için uygulanabilir bir boyut azaltma algoritmasının geliştirilmesi
Development of a dimensionality reduction algorithm applicable for out of sample problem
- Tez No: 728249
- Danışmanlar: DR. ÖĞR. ÜYESİ ATINÇ YILMAZ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Beykent Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 84
Özet
Boyut Azaltma, zaman karmaşıklığı ve depolama sorunları için önemli avantajlar sunar. Geleneksel Manifold Öğrenme ise özellik çıkarma için başarısı kanıtlanmış önemli bir Boyut Azaltma çalışma alanı olmakla beraber Seçilmemiş Veri Örnekleri Sorunu için uygulanabilir olmadığından hızlı ve pratik çalışamamaktadırlar. Literatürde sonradan Manifold Öğrenme tabanlı Seçilmemiş Veri Örnekleri için uygulanabilir doğrusal yöntemler sunulmuştur. Çalışmada hem Seçilmemiş Veri Örnekleri Sorunu için uygulanabilir hem de özellik öğrenme kabiliyeti rakiplerinden daha üstün Doğrusal Manifold Öğrenme tabanlı bir Boyut Azaltma yönteminin geliştirilmesi ve etkinliğinin gösterilmesi amaçlanmıştır. Önerilen yöntem, veriler arasındaki saçılım bilgisini denetimli bir yolla katsayılandırıp ağırlık matrisi oluşturmak için gereken özel bir fonksiyona vermektedir. Bu yöntem Konum Koruyan Dönüşüm ve Ortogonal Konum Koruyan Dönüşüm algoritmalarına uygulanmıştır. Deneyler Seçilmemiş Veri Örnekleri Sorunu için uygulanabilir olan Konum Koruyan Dönüşüm, Ortogonal Konum Koruyan Dönüşüm, Komşuluk Koruyan Gömüleme, ve Ortogonal Komşuluk Koruyan Gömüleme algoritmaları üzerinde karşılaştırmalı olarak gerçekleştirilmiştir. Yüz tanıma ve hiperspektral görüntüleme alanlarına ait deneylerden elde edilen bulgularda önerilen yöntemin rakiplerine oranla daha üstün sınıflandırma doğruluk performansı gösterdiği görülmüştür. Ayrıca elde edilen ağırlık matrisleri, saçılım grafikleri, bant grafikleri, korelasyon matrisleri ve anlamlılık matrislerindeki değişimler sınıflar arasındaki ayırt edicilik bilgisinin daha iyi seviyeye geldiğini göstermiştir. Sonuç olarak, rakiplerine oranla daha üstün özellik öğrenme kapasitesine sahip Seçilmemiş Veri Örnekleri Sorunu için uygulanabilir bir Boyut Azaltma yöntemi sunulmuş ve bu yöntemin etkinliği hem yüz tanıma hem de hiperspektral görüntüleme alanlarında kanıtlanmıştır.
Özet (Çeviri)
Dimensionality Reduction provides advantages for time complexity and storage. Traditional Manifold Learning, on the other hand, is an important proven field of Dimensionality Reduction study for feature extraction, but it is not applicable for the Out of Sample Problem, so they cannot work quickly and practically. Afterwards, in the literature, linear methods applicable for out of sample problem on Manifold Learning are presented. In the study, it is aimed to develop a Linear Manifold Learning-based Dimension Reduction method that is both applicable to the Out of Sample Problem and superior to its competitors in feature learning capability and demonstrate its effectiveness. The proposed method forms the coefficient that carries scattering information among the data and give it to a special function required to create a weight matrix in a supervised way. This method is applied to the Locality Preserving Projection and Orthogonal Locality Preserving Projection algorithms. Experiments are performed comparatively on the Locality Preserving Projection, Orthogonal Locality Preserving Projection, Neighborhood Preserving Embedding, and Orthogonal Neighborhood Preserving Embedding algorithms applicable to the Out of Sample Problem. In the findings obtained from the experiments of face recognition and hyperspectral imaging fields, it was seen that the proposed method showed superior classification accuracy performance compared to its competitors. In addition, the changes in weight matrices, scatterplots, band graphs, correlation matrices and significance matrices showed that the discrimination information between classes improved. As a result, a Dimensionality Reduction method has been presented for the Out of Sample problem, which has a superior feature learning capacity compared to its competitors, and the effectiveness of this method has been proven in both face recognition and hyperspectral imaging.
Benzer Tezler
- Using machine learning techniques to enhance teaching and performance prediction of students with autism spectrum disorders
Yapay öğrenme yöntemleri ile otizm spektrum bozukluğu olan öğrencilerin öğretiminin ve öğretim performansı tahmininin iyileştirilmesi
AKRAM M.M. RADWAN
Doktora
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Approximate spectral clustering ensemble methods for clustering of large data sets
Büyük veri kümelerinin sınıflandırılmasında yaklaşık spektral öbekleme birleşimi yöntemleri
YASER MOAZZEN
Yüksek Lisans
İngilizce
2016
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSA YILDIRIM
DOÇ. DR. KADİM TAŞDEMİR
- Weighted voting game based relay node management in vanets
Araç geçici ağlar içinde ağırlıklı oylama yöntemiyle röle düğüm seçimi
ELHAM DEHGHAN BIYAR
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BERK CANBERK
- Beyoğlu'nda 'kültür sanat merkezi ve müze' işlevli 19.yy. binalarının iç mekanlarında biçimsel kimlik sorunu: Avrupa'daki aynı işlevli yapılar üzerinden bir değerlendirme
Identity problems in the interior design of 19th century buildings functioning as 'culture art centers and museum' in Beyoglu: An evaluation compared with the European counterparts
SEDEF ACAR
Doktora
Türkçe
2020
İç Mimari ve DekorasyonMimar Sinan Güzel Sanatlar Üniversitesiİç Mimarlık Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HATİCE ŞEBNEM BAŞARAN
DR. ÖĞR. ÜYESİ MEVLÜDE KAPTI
- Ortaokul öğrencilerinin mülteci kavramına ilişkin algılarının incelenmesi
Investigation of the perceptions of secondary school students on the refugee concept
CANAN IRMAK
Yüksek Lisans
Türkçe
2019
Eğitim ve ÖğretimGazi ÜniversitesiTürkçe ve Sosyal Bilimler Eğitimi Ana Bilim Dalı
PROF. DR. TURHAN ÇETİN