Geri Dön

Database management system based on metaheuristic clustering of data entries

Başlık çevirisi mevcut değil.

  1. Tez No: 796575
  2. Yazar: ARKAN MUQDAD HAMEED ALABDALI
  3. Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
  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: 2022
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 86

Özet

Makine öğrenimi perspektifine göre, kümeleri aramak için denetimsiz öğrenme uygulama süreci aracılığıyla keşfedilen sistem bir veri fikridir. Sonuç olarak, kümeleme, bilinmeyen bir veri fikrinin bir tür denetimsiz öğrenmesi olarak görülebilir. Kümeleme analizi, veri madenciliğinden kaynaklanan çok büyük veri kümeleriyle uğraşırken ekstra, zorlu işlem limitlerine tabidir. Bu sorunlara yanıt olarak, çeşitli kümeleme yaklaşımları geliştirilmiştir. Katmanlı ACO kümeleme yöntemiyle oluşturulan küçük kümelerin her birindeki çöpleri tespit etmek ve ortadan kaldırmak için ikili model eşleştirme ve hızlı sıralama kombinasyonunu kullanıyoruz. Bu, her kümedeki çöpleri belirlememizi ve ortadan kaldırmamızı sağlar. Kötü amaçlı yazılım veritabanlarının performansını ve doğruluğunu artırmak için önerdiğimiz yöntemin yararlılığını test etmek için PCA kümeleme metodolojisini çeşitli diğer kümeleme yaklaşımlarıyla karşılaştırdık.

Özet (Çeviri)

According to the perspective of machine learning, the system discovered via the process of applying unsupervised learning to look for clusters is a data idea. As a result, clustering may be seen as a kind of unsupervised learning of an unknown data idea. Clustering analysis is subject to extra, harsh processing limits when dealing with massive datasets resulting from data mining. In response to these issues, several clustering approaches have been developed. We use a combination of binary pattern matching and rapid sorting to detect and eliminate garbage from each of the small clusters created by the layered ACO clustering method. This enables us to identify and eliminate trash from each cluster. To test the usefulness of our suggested method for enhancing the performance and accuracy of malware databases, we compared the PCA clustering methodology to a variety of other clustering approaches

Benzer Tezler

  1. Metaheuristic approach for optimal data pre-processing method selection case study: Missing values handling

    Optimum veri ön işleme yöntemi seçimi için metasezgisel yaklaşimvaka çalişmasi: Eksik değerlerin ele alinmasi

    SAIED FARHAM NIA

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri MühendisliğiSabancı Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    Assoc. Prof. Dr. KEMAL KILIÇ

  2. Robotik süreç otomasyonu için iş çizelgeleme algoritması

    Job scheduling algorithm for robotic process automation

    GÜLŞAH DORUK

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OSMAN KAAN EROL

  3. A Video database management system based on MPEG-7 standard

    MPEG-7 standardına dayanan bir video veri tabanı yönetim sistemi

    ÖZNUR YAVUZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2002

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADNAN YAZICI

  4. Smart card data stream management system based on context awareness

    Akıllı kartlarda durumdan haberdar akan veri yönetim sistemi

    SEDA POLAT

    Yüksek Lisans

    İngilizce

    İngilizce

    2010

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. TAFLAN İ. GÜNDEM

  5. Ürün karmasının belirlenmesi için analitik ve sezgisel yöntemlerin bütünleştirilmesine dayalı bir karar destek sisteminin geliştirilmesi

    Development of a decision support system based on integration of analytic and heuristic methods for determination of product mix

    YASİN ELMAS

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Endüstri ve Endüstri MühendisliğiÇukurova Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OYA H. YÜREĞİR