Yapay arı kolonisi ile veri indirgeme
Data reduction with artificial bee colony algorithm
- Tez No: 756494
- Danışmanlar: DR. ÖĞR. ÜYESİ TAYYİP ÖZCAN
- 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: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 92
Özet
Artan teknoloji kullanımıyla, verilerin dijital platformlarda saklanması ve işlenmesi de artarak önem kazanmıştır. Nitekim bir veri birçok özniteliğe sahip bir şekilde kaydedilir ve kayıt sayısı da dikkate alınacak olursa bu özniteliklerin sayısı verilerin kapladığı alanı ciddi anlamda etkilemektedir. Verilerin kapladığı alanı azaltabilmek için, sahip oldukları bu öznitelikler arasında kullanım amacına uygun olmayanlar çıkarılabilir. Ayrıca veri setleri oluşturulurken, toplanan veriler içerisinde eksik veri olması, kullanıcıların yanlış bilgi vermesi ya da analog ortamdan dijital ortama geçiş sırasında yaşanan birtakım problemlerden dolayı bazı alanlarda bozulmalar yaşanabilmektedir. Bu şekilde elde edilen kalitesiz verinin bir takım ön işleme adımları ile kaliteli hale getirilmesi mümkündür. Bu çalışmada veri indirgeme tabanlı bir sınıflandırma sistemi önerilmiş ve sağlık verilerinin sınıflandırılmasında kullanılmıştır. Önerilen sistemi oluşturan 4 aşama sırasıyla veri temizleme, veri dönüştürme, veri indirgeme ve veri sınıflandırmadır. Veri temizleme işleminde eksik ve hatalı veriler tamamlanıp düzeltilmiştir. Veri dönüştürme işleminde aykırı değerlerin tespiti yapılıp normalleştirilmiştir. Veri indirgeme için ise birçok optimizasyon problemine uygulanmış ve başarımı gösterilmiş olan Yapay Arı Kolonisi (ABC)'nin ikili bir versiyonu olan Binary Multi-Neighborhood Artificial Bee Colony (BMNABC) Algoritması kullanılmıştır. Ayrıca algoritmanın yeni bir versiyonu (BMNABC-J) önerilmiştir. Veri indirgeme yapılarak elde edilen sonuçlar, Genetik Algoritma (GA), Parçacık Sürü Optimizasyonu (PSO), ABC algoritmalarının ikili versiyonları ile kıyaslanmıştır. Önerilen yöntem bir takım sağlık verilerinin sınıflandırılması için kullanılmıştır. Elde edilen deneysel sonuçlar sınıflandırma başarımlarının geliştirilen sistem tarafından arttırıldığını ortaya koymaktadır.
Özet (Çeviri)
With the increasing use of technology, storing and processing data on digital platforms has become increasingly important. As a matter of fact, a data is recorded with many attributes, and considering the number of records, the number of these attributes seriously affects the area covered by the data. For reducing the area occupied by the data the attributes which are not suitable for the intended use can be removed. In addition, while the data sets are being created, some areas may be corrupted due to missing data in the collected data, incorrect information provided by the users, or some problems experienced during the transition from analog to digital media. It is possible to improve the quality of the poor quality data obtained in this way with a number of preprocessing steps.The data reduction-based classification system proposed in this study was used to classify health data. The four stages that make up the proposed system are data cleaning, data transformation, data reduction and data classification, respectively. In the data cleaning process, missing and incorrect data were completed and corrected. In the data transformation process, outliers were detected and normalized. For data reduction, Binary Multi-Neighborhood Artificial Bee Colony (BMNABC) Algorithm, which is a binary version of Artificial Bee Colony (ABC), which has been applied to many optimization problems and has been shown to be successful, was used. In addition, a new version of the algorithm (BMNABC-J) is proposed. The results obtained by data reduction were compared with binary versions of Genetic Algorithm (GA), Particle Swarm Optimization (PSO), ABC algorithms. The proposed method was used to classify some health data. Obtained experimental results reveal that classification performances are increased by the developed system.
Benzer Tezler
- Yapay arı kolonisi algoritması ile özellik seçimi
Feature selection using artificial bee colony algorithm
ZEHRA KIRAN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET BABALIK
- Büyük boyutlu veriler için metasezgisel yöntemler ile öznitelik indirgemede yeni bir yaklaşım geliştirilmesi
Developing a new approach to feature selection with metaheuristic methods for large scale data
ESİN AYŞE ZAİMOĞLU
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİLÜFER YURTAY
- Büyük boyutlu verilerde öznitelik seçimi için ikili yapay arı kolonisi yaklaşımı
Binary artificial bee colony approach for feature selection in large size data
ZEYNEP BANU ÖZGER
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BANU DİRİ
DR. ÖĞR. ÜYESİ BÜLENT BOLAT
- Yapay sinir ağlarının girdap arama algoritmasıyla eğitilmesi
Training artificial neural networks with vortex search algorithm
ZAINAB ABDULLAH JALIL JALIL
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TAHİR SAĞ
- Sezgisel optimizasyon algoritması kullanılarak hibrit (fotovoltaik-rüzgar) enerji sistemi için boyut optimizasyonu
Size optimization for hybrid (photovoltaic-wind) energy system using heuristic optimization algoritm
SEFER AYAN
Yüksek Lisans
Türkçe
2019
EnerjiKırklareli ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAYRETTİN TOYLAN