Çoklu doğum destek vektör makinelerde parametre seçimi için genetik algoritma kullanılması
Using genetic algorithm for parameter selection in multiple birth support vector machines
- Tez No: 858438
- Danışmanlar: PROF. DR. GÜVENÇ ARSLAN
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Kırıkkale Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 53
Özet
Çoklu Doğum Destek Vektör Makineleri (ÇD-DVM) standart Destek Vektör Makinelerinden (DVM) en büyük farkı paralel hiper-düzlemler yerine paralel olmayan hiper-düzlemler kullanmasıdır. Bu paralel olmayan hiper-düzlemler sayesinde ÇD-DVM'de her bir sınıf için ayrı bir optimizasyon problemi tanımlanmaktadır. Diğer yandan ÇD-DVM'de sınıf sayısı kadar olan optimizasyon problemi ile parametrelerin sayısı da artmaktadır. Artan sayıdaki parametrelerin veri kümesine uygun olarak seçilmesi sınıflama performansını önemli ölçüde etkileyebilmektedir. Bu nedenle bu çalışmada, ÇD-DVM'lerdeki parametrelerin seçiminde Genetik Algoritma (GA) kullanımı araştırılmıştır. Önerilen yaklaşım gerçek bir veri kümesine uygulanarak incelenmiştir. Sonuç olarak önerilen yaklaşımdaki gibi genetik algoritmaların ÇD-DVM'lerde kullanılması ile gerçekten daha iyi performans elde edilebileceği görülmüştür.
Özet (Çeviri)
Multiple Birth Support Vector Machines (MB-SVM), which may be considered as an extended version of Support Vector Machines (SVM) differ from SVMs mainly because non-parallel hyperplanes are used instead of parallel hyperplanes. In addition, in MB-SVM a different optimization problem is defined for each class. On the other hand, the number of parameters increases with the optimization problem as much as the MB-SVMs class number. Selecting an increasing number of parameters in accordance with the data set can significantly affect the classification performance. For this reason, in this study, the use of Genetic Algorithm (GA) in the selection of parameters in MB-SVM was investigated. The proposed approach has been examined by applying it to several datasets. The results, show that use of genetic algorithms with MB-SVMs may improve classfication accuracy.
Benzer Tezler
- Polimer bazlı cam parlatma keçelerinin üretimi
Production of polymer based glass polishing pads
MELİHA KÜÇÜKBENLİ
Yüksek Lisans
Türkçe
2018
Kimya MühendisliğiHitit ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İBRAHİM BİLİCİ
- Detection of structural damage using one-class support vector machine
Tek-sınıf destek vektörleri kullanarak yapısal hasar tespiti
EFKAN OK
Yüksek Lisans
İngilizce
2020
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURCU GÜNEŞ
- Ankara Orman Bölge Müdürlüğü saf karaçam meşcerelerinde net birincil üretim ve yaprak alan indeksinin uzaktan algılama teknikleri ile modellenmesi
Modeling net primary productivity and leaf area index with remote sensing techniques in pure crimean pine stands in Ankara Regional Directorate of Forestry
SİNAN BULUT
Doktora
Türkçe
2021
Ormancılık ve Orman MühendisliğiÇankırı Karatekin ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALKAN GÜNLÜ
DOÇ. DR. ONUR ŞATIR
- Çoklu doğum-destek vektörlü makinelerle sınıflama
Classification with multiple birth-support vector machines
MÜCAHİT GÜLER
Yüksek Lisans
Türkçe
2020
İstatistikKırıkkale Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. GÜVENÇ ARSLAN
- Semantic classification and retrieval system for environmental sounds
Çervresel sesler için anlamsal sınıflandırma ve geri erişim sistemi
ÇİĞDEM OKUYUCU
Yüksek Lisans
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADNAN YAZICI
YRD. DOÇ. DR. MUSTAFA SERT