Geri Dön

Yapay sinir ağı kullanılarak dengesiz veri kümelerinde sınıflandırma başarısının artırılması

Increasing the classification success in imbalanced data sets using artificial neural network

  1. Tez No: 729127
  2. Yazar: FATİH DİKDERE
  3. Danışmanlar: YRD. DOÇ. DR. ERSİN KAYA
  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: Konya Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 56

Özet

Veri kümelerinde, sınıflar arasında dengeli bir dağılım bulunmaması sonucunda dengesiz veri kümeleri ortaya çıkmaktadır. Bu dengesiz veri kümelerinde karşılaşılan en büyük problemlerden biri ise sınıflandırma başarısıdır. Sınıflandırma başarısı çoğunluk sınıfında yüksek değerlere yakın iken, azınlık sınıfında sınıflandırma başarısında yanlışlıklar ve hatalar görülmektedir. Bu tez çalışmasında dengesiz dağılım gösteren veri kümelerinde sınıflandırma başarısının artırılmasına yönelik çalışmalar yapılmıştır. Sınıflandırma başarısının artırılması için yapay sinir ağlarından yararlanılmıştır. Bu çalışmada yapay sinir ağları kullanılarak yedi yöntem önerilmiş olup sınıflandırma sonuçları için geometrik ortalama ve f ölçüsü metriklerinden yararlanıp, bu metriklerin değerlendirilmesi için de Friedman testi istatistik ölçüsünden faydalanılmıştır. Bu yöntemlerde en başarılı sonuç elde edilen yöntemde yapay sinir ağları ile rastgele örnekler üretilmiş olup bu örnekler bir eşik değeriyle sınırlandırılmıştır. Tez çalışmasında yapılan yöntemlerden alınan sonuçlar, orijinal veri kümesinin sonuçları ve temel SMOTE yöntemi sonuçları ile karşılaştırılırmıştır. Karşılaştırılma sonucunda başarılı sonuçlar elde edilmiş olup dengesiz veri kümelerinde sınıflandırma başarısı artırılmıştır.

Özet (Çeviri)

In data sets, imbalanced data sets emerge as a result of not having a balanced distribution among classes. One of the biggest problems encountered in these unbalanced data sets is classification success. While the classification success is close to high values in the majority class, inaccuracies and errors are observed in the classification success in the minority class. In this thesis, studies have been conducted to increase the success of classification in data sets with uneven distribution. Artificial neural networks have been used to increase the classification success. In this study, seven methods using artificial neural networks are proposed, and geometric mean and f measure metrics are used for classification results, and Friedman's means evaluation statistics measure is used to evaluate these metrics. In these methods, random samples were produced with artificial neural networks in the method with the most successful results, and these samples were limited to a threshold value. The results obtained from the methods in the thesis study were compared with the results of the original data set and the results of the basic SMOTE method. Successful results were obtained as a result of the comparison, and classification success was increased in unbalanced data sets.

Benzer Tezler

  1. Exploiting clustering patterns in training sets to improve classification performance of fully connected layers

    Tam bağlantılı katmanların sınıflandırma performansını iyileştirmek için eğitim setlerindeki kümeleme örüntülerinden faydalanma

    TOLGA AHMET KALAYCI

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. UMUT ASAN

  2. Predicting icu requirements of covid-19 patients using artificial neural network

    Yapay sinir ağı kullanarak Covid-19 hastalarının yoğun bakım ünitesi gerekliliklerinin tahmini

    YELİZ ÇOTOY

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri MühendisliğiGalatasaray Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUNCAY GÜRBÜZ

  3. Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ

  4. Sürekli üretim hatlarında denetimli yapay zekâ yöntemlerinin kalite tespitinde kullanımı

    Use of supervised artificial intelligence methods in quality determination in continuous production lines

    SERDAR ÖZCAN

    Doktora

    Türkçe

    Türkçe

    2024

    İşletmeÇanakkale Onsekiz Mart Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. ÜMRAN ŞENGÜL

  5. Fraud detection using deep neural networks

    Derin sinir ağları ile dolandırıcılık tespiti

    FAİK ÖZCAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YAKUP GENÇ