Çok görünümlü kümeleme için karınca koloni optimizasyonu temelli bir yaklaşım
An ant colony optimization based approach for multi-view clustering
- Tez No: 864870
- Danışmanlar: PROF. DR. TÜLİN İNKAYA
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Bursa Uludağ Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 41
Özet
Günümüzde sensör teknolojilerinin gelişmesi ve nesnelerin internetinin yaygın olarak kullanılması ile veriler farklı kaynaklardan farklı türlerde gelebilmektedir. Bu nedenle, farklı bakış açılarını ve/veya farklı veri kaynaklarını bütünleştiren çok görünümlü veri ile bu veri için geliştirilmiş makine öğrenmesi yöntemleri önem kazanmaktadır. Bu çalışmada, gözetimsiz öğrenme yaklaşımlarından biri olan çok görünümlü kümeleme problemi ele alınmıştır. Bu doğrultuda, çalışmada verideki farklı görünümleri bütünleşik ele alarak aynı kümedeki nesnelerin birbirlerine benzer, farklı kümelerdeki nesnelerin birbirlerinden farklı olacak şekilde gruplandırılması amaçlanmıştır. Bu doğrultuda, problemin çözümü için sürü zekasına dayalı meta-sezgisel yöntemlerden biri olan karınca koloni optimizasyonu (KKO) kullanılmıştır ve KKO temelli çok görünümlü kümeleme yaklaşımı önerilmiştir. Önerilen yaklaşım ile farklı görünümler için görünüm ağırlıkları optimize edilerek her kümedeki en iyi temsilci nesne belirlenmiştir. Önerilen yaklaşımın performansının değerlendirilmesi için karşılaştırmalı veri kümeleri ile deneysel çalışmalar gerçekleştirilmiştir. Yapılan deneysel çalışmalarda önerilen yaklaşımın performansı, klasik tek görünümlü kümeleme algoritmalarının performansı ile karşılaştırılmıştır ve çok görünümlü kümelemenin tamamlayıcı etkisi ile faydası değerlendirilmiştir. Ayrıca, önerilen algoritma sağlık sektöründe anomali tespitinde kullanılmıştır.
Özet (Çeviri)
Today, with the development of sensor technologies and the widespread use of the Internet of Things, data can come in different types from different sources. Therefore, multi-view data that integrate different perspectives and/or different data sources and machine learning methods developed for this data gain importance. In this study, the problem of multi-view clustering, which is one of the unsupervised learning approaches, is addressed. Accordingly, the aim of this study is to group objects in the same cluster similar to each other and objects in different clusters different from each other by integrating different views in the data. Accordingly, ant colony optimization (ACO), one of the meta-heuristics based on swarm intelligence, is used to solve the problem and a multi-view clustering approach based on ACO is proposed. With the proposed approach, the best representative object in each cluster is determined by optimizing the appearance weights for different views. To evaluate the performance of the proposed approach, experimental studies were carried out with comparative datasets. In the experimental studies, the performance of the proposed approach is compared with the performance of classical single-view clustering algorithms and the complementary effect and benefit of multi-view clustering is evaluated. In addition, the proposed algorithm has been used in anomaly detection in the health sector.
Benzer Tezler
- Using co-training to empower active learning
Aktif öğrenmeyi güçlendirmek için eş-öğrenme kullanılması
PAYAM VAKILZADEH AZAD
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YUSUF YASLAN
- Data mining and machine learning in environmental informatics
Çevresel enformatikte veri madenciliği ve makine öğrenmesi
GÖKSU TÜYSÜZOĞLU
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. DERYA BİRANT
- Speech driven upper body gesture analysis and synthesis
Konuşma ile sürülen üst beden hareketlerinin analizi ve sentezi
SERKAN ÖZKUL
Yüksek Lisans
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YÜCEL YEMEZ
- Multi-modal neuroimaging data prediction: Estimation of connectional brain template and multigraph classification with application to gender fingerprinting
Çoklu modal nörogörüntüleme veri tahmini: Bağlantılı beyin şablonunun tahmini ve cinsiyet parmak izi uygulaması ile çoklu grafik sınıflandırma
NADA CHAARI
Doktora
İngilizce
2021
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE CAMGÖZ AKDAĞ
DR. ÖĞR. ÜYESİ ISLEM REKIK
- A pathway graph kernel based multi-omics approach for patient clustering
Hasta kümelemesi için yolak çizge çekirdeği bazlı bir çoklu-omik yaklaşımı
YASİN İLKAĞAN TEPELİ
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZNUR TAŞTAN OKAN