Negatif faydaya sahip veri kümelerinde yüksek ortalama faydalı örüntü madenciliği için tekniklerin geliştirilmesi
Developing techniques for high average utility pattern mining in datasets with negative utility
- Tez No: 846620
- Danışmanlar: DOÇ. DR. METE ÇELİK, DR. ÖĞR. ÜYESİ İRFAN YILDIRIM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Yüksek Ortalama Faydalı Öge Kümesi Madenciliği, Kayan Pencere Modeli, Artımlı Veri Kümesi, Veri Madenciliği, Negatif Fayda, High Average Utility Itemset Mining, Sliding Window Model, Incremental Dataset, Data Mining, Negative Utility
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Geleneksel yüksek ortalama faydalı öge kümesi madenciliği (YOFÖM) algoritmaları yalnızca pozitif faydaya ögeler içeren artımlı olmayan veri kümelerine uygulanabilir. Ancak gelişen teknoloji ile son zamanlarda sensörler ve POS cihazları gibi birçok veri kaynağı gerçek zamanlı ve artımlı olarak veri üretmektedir. Bu nedenle gerçek zamanlı artımlı veriler üreten sistemlerde yürütme süresini ve bellek kullanımını azaltmak büyük önem taşımaktadır. Geleneksel YOFÖM algoritmaları gerçek verileri sadece pozitif harici faydaya sahip olarak kabul ettiği için negatif faydaya sahip veri kümeleri üzerinde çalışırken güncel, anlamlı öge kümelerini tam olarak bulamayabilmektedirler. Ayrıca gerçek zamanlı sistemlerde yüksek ortalama faydalı öge kümelerini (YOFÖK) daha hızlı ve daha az bellek kullanarak tespit etmek için daha verimli üst sınırlara ihtiyaç vardır. Bu tez çalışmasında, bu eksikleri gidermek amacıyla negatif faydalı ögeler içeren artımlı veri kümeleri üzerinde yüksek ortalama faydalı öge kümelerini keşfeden liste tabanlı ve kayan pencere tabanlı YOFÖM üzerine çalışılmıştır. Önerilen algoritmanın performansı literatürde kayan pencere modeli kullanan YOFÖM algoritmasının performansı ile karşılaştırılmıştır. Deneylerde sadece pozitif faydaya sahip ögelerden oluşan veri kümeleri ve hem pozitif hem negatif faydalı ögelerden oluşan veri kümeleri üzerinde yürütme süresi, bellek kullanımı ve incelenen uzantı sayısı deneyleri gerçekleştirilmiştir ve önerilen algoritmadan başarılı sonuçlar elde edilmiştir.
Özet (Çeviri)
Traditional high average utility pattern mining (HAUPM) algorithms can only be applied to non-incremental datasets containing only positive items. However, with the developing technology, many data sources such as sensors and POS devices have recently been generating data in real-time and incrementally. Therefore, it is of great importance to reduce execution time and memory usage in systems that generate real-time incremental data. However, traditional HAUPM algorithms cannot find recent and, meaningful itemsets when working on stream data because they only consider real data as having positive external utility. More efficient upper bounds are needed to detect high average utility itemsets (HAUIs) in real-time systems faster and using less memory. In order to overcome these shortcomings, in this study, a list-based and sliding window-based negative HAUPM that discovers high average utility itemsets on incremental data containing negative utility items is studied and a sliding window model is used. The performance of the proposed algorithm is compared with that of HAUPM using a sliding window model. In the experiments, execution time, memory usage, and number of extensions examined were tested on datasets with only positive items and on datasets with both positive and negative utility items and the proposed algorithm presented successful results.
Benzer Tezler
- Numerical and experimental study of the effect of hull vane on the total resistance of the catamaran
Gövde kanatının katamaran toplam direnci üzerindeki etkisinin sayısal ve deneysel çalışması
RAHMİ MURAT DURAL
Yüksek Lisans
İngilizce
2025
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM BÜLENT DANIŞMAN
- Improvement of face recognition performance through transfer learning: a comprehensive study using identity card biometric photographs and mobile phone selfie images
Transfer öğrenme yoluyla yüz tanım performanslarının geliştirilmesi: Kimlik kartı biyometrik ve cep telefonu özçekim fotoğrafları ile yapılan kapsamlı bir çalışma
YÜSRA ALBARAZİ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. KEMAL BIÇAKCI
- Bingöl balında metagenomik analizi
Metagenomic analysis of the Bingol honey
ELİF ÖDEMİŞ
Yüksek Lisans
Türkçe
2023
BiyoteknolojiGebze Teknik ÜniversitesiMoleküler Biyoloji ve Genetik Ana Bilim Dalı
PROF. DR. YELDA ÖZDEN ÇİFTÇİ
- Okul öncesi öğretmenlerinin eğitimde yapay zekaya yönelik algıları ile farkındalık düzeyleri arasındaki ilişkinin incelenmesi
Examining the relationship between preschool teachers' perceptions of artificial intelligence in education and their levels of awareness
DOĞAN GÜZEL
Yüksek Lisans
Türkçe
2026
Eğitim ve ÖğretimNecmettin Erbakan ÜniversitesiTemel Eğitim Ana Bilim Dalı
PROF. DR. EMEL ARSLAN
- High-frequency trading dynamics in Turkish index futures: A comprehensive analysis
Türk endeks vadeli işlem sözleşmelerinde yüksek frekanslı işlem dinamikleri üzerine kapsamlı bir analiz
ONUR OLGUN
Doktora
İngilizce
2025
İşletmeİstanbul Teknik Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. CUMHUR ENİS EKİNCİ