Geri Dön

A new KNN classifier based on the harmonic mean of the majority votes and average distances of the neighbors combined with adaptive K-value selection

Uyarlanabilir K-değeri seçimi ile birleştirilmiş komşuların çoğunluk oylamasının ve ortalama uzaklıklarının harmonik ortalamasına bağlı yeni bir KNN sınıflandırıcı

  1. Tez No: 804412
  2. Yazar: SELÇUK TOKGÖZ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA AÇIKKAR
  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: 2023
  8. Dil: İngilizce
  9. Üniversite: Adana Alparslan Türkeş Bilim Ve Teknoloji Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 66

Özet

Bu çalışma, KNN algoritmasının geliştirilmiş bir versiyonunu sunarak geleneksel KNN'nin sınıflandırma doğruluğunu iyileştirmeyi amaçlamaktadır. Bu tez, uyarlanabilir ve artımlı k-değeri seçimi ile çoğunluk oylamasının ve ortalama uzaklık harmonik ortalamasına dayanan geliştirilmiş bir KNN sınıflandırıcısı olan HMAKNN'ı önermektedir. Bu çalışma kapsamında, bir ağırlıklandırma mekanizmasının olup olmamasına bağlı olarak HMAKNN'nin sıradan ve ağırlıklı olmak üzere iki farklı türü tasarlanmıştır. Bu metotların adları sırasıyla HMAKNNR ve HMAKNNW'dir. Bu HMAKNN sınıflandırıcıları, sekizi PRTools'tan elde edilen sentetik ve yirmi altısı UCI ve Kaggle depolarından alınan gerçek kıyaslama veri setleri olmak üzere toplam otuz dört veri seti üzerinde değerlendirilmiştir. Önerilen yaklaşımların sınıflandırma etkinliğini ve başarısını belirlemek için geleneksel KNN ve dört iyi bilinen ağırlıklı KNN modeli ile karşılaştırılmıştır. Diğer ağırlıklandırma yöntemlerinin aksine, her iki HMAKNN sınıflandırıcısı da çoğunluk oylaması ve ortalama uzaklık arasındaki sinerjinin yanı sıra k-değerini uyarlamalı olarak değiştirme becerisini kullanarak sınıflandırma doğruluğunu önemli ölçüde artırmıştır. Gerçek kıyaslama veri setlerinin sınıflandırılması sonuçlarına göre, HMAKNNW %83,02 ile en yüksek ACC değerini üretirken, HMAKNNR %82,83 ile ikinci en yüksek değere ulaşmıştır. Karşılaştırılan diğer beş yöntemden elde edilen ortalama sonuçlara göre HMAKNNW ve HMAKNNR sırasıyla %2,69 ve %2,50 üstünlük sağlamıştır. Ayrıca, gerçek kıyaslama veri setlerinin sınıflandırma sonuçları, her iki HMAKNN yönteminin de istatistiksel olarak diğer ağırlıklı KNN yöntemlerinden daha iyi performans gösterdiğini göstermektedir.

Özet (Çeviri)

This study aims to improve the classification accuracy of traditional KNN by presenting an improved version of the KNN algorithm. This thesis proposes HMAKNN, an improved KNN classifier based on the harmonic mean of the majority voting and average distance phenomena with adaptive and incremental k-value selection. Within the purview of this study, two variants of HMAKNN, regular and weighted, were designed based on the presence or absence of a weighting mechanism. The names of these variants are HMAKNNR and HMAKNNW, respectively. These HMAKNN classifiers were evaluated on a total of thirty-four data sets, of which eight were synthetic obtained from PRTools and twenty-six were real benchmark data sets from UCI and Kaggle repositories. To determine the classification effectiveness and success of the proposed approaches, they were compared with traditional KNN and four well-known weighted KNN models. In contrast to other weighting methods, both HMAKNN classifiers utilize the constructive interaction between majority voting and average distance, as well as the ability to adaptively modify the k-value, thereby substantially enhancing classification accuracy. Based on the results of the classification of real benchmark data sets, HMAKNNW produced the highest ACC value with 83.02%, and HMAKNNR reached the second-highest value with 82.83%. HMAKNNW and HMAKNNR provided an advantage of 2.69% and 2.50% over the other five methods compared, respectively. Furthermore, the classification results of real benchmark data sets indicate that both HMAKNN methods statistically outperform other weighted KNN methods.

Benzer Tezler

  1. Classification of electronic devices using harmonic radar based on a linear model with power-swept signals

    Başlık çevirisi yok

    MARYAM SHAHI

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HARUN TAHA HAYVACI

  2. Application of a voting-based ensemble method for recognizing seven basic emotions in real-time webcam video images

    Gerçek zamanlı web kamerası video görüntülerinde yedi temel duygunun tanınmasına yönelik oylamaya dayalı topluluk yönteminin uygulanması

    AHMET TUNAHAN ŞANLI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MURAT SARAN

  3. Su altı çöp tespiti için yapay zekâ tabanlı yöntemlerin geliştirilmesi

    Development of artificial intelligence based methods for underwater litter detection

    KÜBRA DEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Ekobilişim Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ORHAN YAMAN

  4. An imputation algorithm based on nature-inspired metaheuristic for missing values in the diabetes disease dataset

    Başlık çevirisi yok

    ANAS MUDHAFAR AHMED AHMED

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilişim Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TİMUR İNAN

  5. A novel study of preventing the cyber security threats and ransomware attacks using machine learning

    Siber güvenlik tehditlerini ve fidye yazılım saldırılarını makine öğrenimiyle önlemeye yönelik yeni bir çalışma

    MUSTAFA HASAN HUSSEIN AL TAMEEMI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ABDULLAHİ ABDU IBRAHIM