Geri Dön

Destek vektör makinesi ve çekirdek fonksiyonları üzerine bir çalışma

A study on support vector machine and kernel functions

  1. Tez No: 789193
  2. Yazar: EYYUP ADAR
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SANEM ŞEHRİBANOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Van Yüzüncü Yıl Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 128

Özet

Bu tez çalışmasında on adet farklı veri seti üzerinde Destek vektör makineleri ve çekirdek fonksiyonları olan Lineer çekirdek, Polinom çekirdek, Radial Basis, Sigmoid çekirdek ve Pearson VII işlevsel çekirdek fonksiyonları ile sınıflandırma işlemi yapılarak performans ölçütleri açıklanmıştır. İlk olarak sınıflandırma performansını etkileyen ceza parametresi olarak geçen C parametresi her bir çekirdek fonksiyonu için deneme yapılma yöntemi ile belirlenmiştir. Ardından doğruluk değeri, Kappa istatistik değeri ve ROC eğrisi altında kalan alan (AUC değeri) hesaplanarak sınıflar arasındaki uyum ve modelin başarı ölçütleri hesaplanmıştır. Tüm bu işlemlerden sonra çekirdek fonksiyonları arasındaki sınıflandırma başarısı değerlendirilmiş en yüksek başarı oranı olarak Lineer çekirdek ve Pearson VII işlevsel çekirdek fonksiyonu ile elde edildiği tespit edilmiştir.

Özet (Çeviri)

In this thesis, performance criteria are explained by classifying ten different data sets with Support vector machines and kernel functions such as Linear kernel, Polynomial kernel, Radial Basis, Sigmoid kernel and Pearson VII functional kernel functions. Firstly, the C parameter, which is the penalty parameter that affects the classification performance, was determined by the trial method for each kernel function. Then, the accuracy value, Kappa statistical value and the area under the ROC curve (AUC value) were calculated, and the fit between the classes and the success criteria of the model were calculated. After all these processes, the classification success among the kernel functions was evaluated and it was determined that the highest success rate was obtained with the Linear kernel and Pearson VII functional kernel function.

Benzer Tezler

  1. Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini

    Forecasting the spread of covid-19 using deep learning and big data analytics methods

    CYLAS KIGANDA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL

  2. Destek vektör makineleri yardımıyla tüketici kredilerinin sınıflandırılması

    Classifying consumer loans by means of support vector machines

    KAYAHAN KAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. FERHAN ÇEBİ

  3. Destek vektör makinesi sınıflandırma algoritması için genişletilmiş Gauss çekirdeği ve uygulamaları

    Extended Gauss kernel and its applications for support vektör machine classification algorithm

    AYŞENUR ERDEM

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Matematikİstanbul Medeniyet Üniversitesi

    Uygulamalı Matematik ve Hesaplamalı Bilimler Ana Bilim Dalı

    DOÇ. DR. BETÜL HİÇDURMAZ

  4. Softly semi-supervised learning for bioinformatics applications

    Biyoenformatik uygulamaları için kesin etiketlenmemiş veriler ile yarı-gözetimli öğrenme

    MELİS ÖZGÜR ÇETİNKAYA DEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ARZUCAN ÖZGÜR

  5. Kuantum çekirdek temelli sınıflandırma

    Quantum kernel-based classification

    GÖNÜL SABAH

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    MatematikYıldız Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NİLGÜN GÜLER BAYAZIT