Geri Dön

Time series classification with support vector machine and data augmentation

Destek vektör makinesi ve veri büyütme ile zaman serileri sınıflandırması

  1. Tez No: 852160
  2. Yazar: ESMA BİRİŞÇİ
  3. Danışmanlar: PROF. DR. SOUNAK CHAKRABORTY
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2011
  8. Dil: İngilizce
  9. Üniversite: University of Missouri
  10. Enstitü: Yurtdışı Enstitü
  11. Ana Bilim Dalı: İstatistik ve Bilgisayar Bilimleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 31

Özet

Özet Bu projede araştırmalar arasında iki önemli sorunla ilgileniyorum; zaman serisi sınıflandırması ve veri artırma. Birinci bölümde, Dinamik Zaman Bükülmesi (DTW) adı verilen zaman serilerinin dikdörtgensel temsilinin yeni yöntemi tanıtılmaktadır. Dikdörtgen gösterimin bu yeni yöntemi, çarpıtma mesafesi kavramına dayanmaktadır. Dinamik Zaman Bükme (DTW), verilen iki (zamana bağlı) dizi arasındaki optimal hizalamayı bulmaya yönelik iyi bilinen bir tekniktir. Gen ifadesi zaman serilerinin uygulanmasında Destek Vektör Makinesi (SVM) ile başarılı girişimlerde bulunulmuştur. İkinci bölümde, EM algoritması adı verilen, eksik verilerdeki ve karışım yoğunluğundaki parametreleri tahmin etmeye yönelik yeni algoritma. EM algoritması eksik veriler ve tanımlanamayan değişkenlerle baş etme yeteneğine sahiptir. Bu nedenle çeşitli eksik veri problemlerinde kullanışlı hale gelmektedir. Spam veri setinin uygulanmasında EM algoritması ile başarılı denemeler yapılmıştır.

Özet (Çeviri)

Abstract In this project I am interesting in two major problems among researches which are time series classification and data augmentation. The new method of the rectangular representation of the time series called Dynamic Time Warping (DTW) is introduced in the first chapter. This new method of the rectangular representation is based on the notion of warping distance. Dynamic Time Warping (DTW) is a well-known technique to find optimal alignment between two given (time-dependent) sequences. Successful attempts have been made with Support Vector Machine (SVM) in the application of gene expression time series. In the second chapter, the new algorithm of estimating parameters in missing data and mixture density called EM algorithm. The EM algorithm has ability to handle with missing data and unidentified variables. Therefore it is becoming useful in variety of incomplete-data problem. Successful attempts have been made with EM algorithm in the application of spam dataset.

Benzer Tezler

  1. Crop classification with polarimetric synthetic aperture radar images: Comparative analysis

    Polarimetrik sentetik açıklıklı radar görüntüleri ile ürün deseni sınıflandırması: Karşılaştırmalı analiz

    MUSTAFA ÜSTÜNER

    Doktora

    İngilizce

    İngilizce

    2020

    Jeodezi ve FotogrametriYıldız Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    PROF. DR. FÜSUN BALIK ŞANLI

    DOÇ. DR. GÖKHAN BİLGİN

  2. Derin öğrenme yöntemleri ile zaman serisi tahmini

    Time series classification with deep learning methods

    HAKAN GÜNDÜZ

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ZEHRA ÇATALTEPE

  3. Investigation of emotional state using machine learning techniques based on complexity and spectral features of electroncephalogram

    Duygu durumunun elektroensofalografideki karmaşıklık ve spektral öznitelikler temelinde makina öğrenme teknikleri ile araştırılması

    AHMED M. ABDALLA MOHAMED

    Doktora

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. OSMAN NURİ UÇAN

    DOÇ. DR. ADİL DENİZ DURU

  4. Real-time safety decisions for robot manipulations in unstructured environments

    Yapılandırılmamış ortamlardaki robot etkileşimlerinde gerçek zamanlı güvenlik kararları

    ABDULLAH CİHAN AK

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SANEM SARIEL

  5. Mikroşebekelerde ada mod çalışmanın tespiti ve güç kalitesi olaylarının sınıflandırılması için yapay zekâ tabanlı kontrol yöntemlerinin geliştirilmesi

    Development of artificial intelligence based control methods for detection of islanding conditions and classification of power quality events in microgrids

    ALPER YILMAZ

    Doktora

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiBursa Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÖKAY BAYRAK