Geri Dön

Seçilmemiş veri örnekleri sorunu için uygulanabilir bir boyut azaltma algoritmasının geliştirilmesi

Development of a dimensionality reduction algorithm applicable for out of sample problem

  1. Tez No: 728249
  2. Yazar: ÜMİT ÖZTÜRK
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ATINÇ YILMAZ
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Beykent Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. 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

  1. 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

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ZEHRA ÇATALTEPE

  2. 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

    İngilizce

    2016

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İSA YILDIRIM

    DOÇ. DR. KADİM TAŞDEMİR

  3. 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

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BERK CANBERK

  4. 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

    Türkçe

    2020

    İç Mimari ve DekorasyonMimar Sinan Güzel Sanatlar Üniversitesi

    İç Mimarlık Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HATİCE ŞEBNEM BAŞARAN

    DR. ÖĞR. ÜYESİ MEVLÜDE KAPTI

  5. Ortaokul öğrencilerinin mülteci kavramına ilişkin algılarının incelenmesi

    Investigation of the perceptions of secondary school students on the refugee concept

    CANAN IRMAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Eğitim ve ÖğretimGazi Üniversitesi

    Türkçe ve Sosyal Bilimler Eğitimi Ana Bilim Dalı

    PROF. DR. TURHAN ÇETİN