Database management system based on metaheuristic clustering of data entries
Başlık çevirisi mevcut değil.
- Tez No: 796575
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
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
- Parça yerleştirme algoritmalarının postal oluşturma problemine uygulanması
Başlık çevirisi yok
FİLİZ BUNYAK
Yüksek Lisans
Türkçe
1996
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiDOÇ.DR. FÜSUN TUNALI (SEÇUK)
- Metaheuristic approach for optimal data pre-processing method selection case study: Missing values handling
Optimum veri ön işleme yöntemi seçimi için metasezgisel yaklaşim vaka çalışması: Eksik değerlerin ele alınması
SAIED FARHAM NIA
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri MühendisliğiSabancı ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
Assoc. Prof. Dr. KEMAL KILIÇ
- Robotik süreç otomasyonu için iş çizelgeleme algoritması
Job scheduling algorithm for robotic process automation
GÜLŞAH DORUK
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. OSMAN KAAN EROL
- Forecasting of produced output electricity in photovoltaic power plants
Foto-voltaik güç santrallarında elektrik üretim tahmini
TARANEH SAADATI
Doktora
İngilizce
2025
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
DOÇ. DR. BURAK BARUTÇU
- Afet sonrası iletişim için UAV tabanlı mobil baz istasyonlarında görev atama ve enerji optimizasyonuna yönelik bir planlama modeli
A planning model for task assignment and energy optimization in UAV -Based mobile base stations for post-disaster communication
MEHMET AKCAN
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri MühendisliğiAbdullah Gül ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BETÜL ÇOBAN YELKEN