Geri Dön

Genetik programlama kullanılarak iki sınıflı tıbbi verilerin sınıflandırılması

Classification of medical data with two classes by using genetic programming

PDF İndir

  1. Tez No: 890094
  2. Yazar: MUSBEHA AMAN BATO
  3. Danışmanlar: PROF. DR. MEHMET EMİN YÜKSEL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyomühendislik, Bioengineering
  6. Anahtar Kelimeler: Makine Öğrenimi, Sınıflandırma, Evrimsel Algoritmalar, Genetik Programlama, Machine Learning, Classification, Evolutionary Algorithms, Genetic Programming
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Biyomedikal Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 87

Özet

Sınıflandırma, denetimli öğrenmenin önemli bir alt alanıdır ve makine öğrenimi ile veri madenciliğinde en çok çalışılan problemlerden biridir. Bir sınıflandırıcı, sınıflandırma görevlerini gerçekleştirmek için kullanılabilecek sistematik bir metodolojidir. Sınıflandırıcı, regresyon algoritmaları, yapay sinir ağları, bulanık mantık, destek vektör makineleri ve diğerleri gibi farklı algoritmalar kullanabilir. Genetik programlama (GP), bu makine öğrenimi algoritmalarına alternatif bir kullanım sunar. GP, en uygun olanın hayatta kalması ilkesini kullanan evrimsel algoritmaların bir parçasıdır. Bu tezde, işlev seti olarak mantıksal kapıları (VE, VEYA, DEĞİL) içeren genetik GP kullanılarak tıbbi veri sınıflandırmasına yönelik yenilikçi bir sınıflandırma yaklaşımı sunulmaktadır. Karmaşık hesaplama modellerine dayanan geleneksel yöntemlerin aksine, bu yaklaşım özellikle enerji verimliliği, maliyet etkinliği ve işleme hızı açısından önemli avantajlar sunar. Ayrıca, bu çalışma, sayısal veri kümelerini ikili forma dönüştürmek için analogdan dijitale dönüşüm kullanarak mantıksal kapı tabanlı işlev terminalleriyle sorunsuz entegrasyonu kolaylaştırmaktadır. Bu entegrasyon, devre tasarımını basitleştirir ve ölçeklenebilirliği artırır. Tezde ayrıca GP performansının tıbbi veri kümeleri üzerindeki kapsamlı bir analizi ve geliştirilen GP sınıflandırıcısının mevcut makine öğrenimi algoritmalarıyla detaylı bir karşılaştırması sunulmaktadır.

Özet (Çeviri)

Classification is an important subfield of supervised learning and is one of the most studied problems in machine learning and data mining. A classifier is a systematic methodology that can be utilized to perform classification tasks. A classifier can include different algorithms such as regression algorithms, artificial neural networks, fuzzy logic, support vector machines, and others. Genetic programming (GP) offers an alternative use for these machine learning algorithms. GP is part of evolutionary algorithms that use the principle of survival of the fittest. This thesis presents a novel approach to medical data classification using GP by incorporating logical gates (AND, OR, NOT) as the function set. Unlike traditional methods that rely on complex computational models, this approach offers significant advantages, particularly in terms of energy efficiency, cost-effectiveness, and processing speed. Additionally, this study employs analog to digital conversion to convert numeric datasets into binary form, facilitating seamless integration with the logical gate-based function terminals. This integration simplifies circuit design and enhances scalability. A thorough analysis of GP performance on medical datasets and a detailed comparison of the state-of-the-art GP classifier to existing machine learning algorithms are also presented.

Benzer Tezler

  1. Tez No

    358990

    New approach to unsupervısed based classıfıcatıon on mıcroarray data

    Mi̇krodi̇zi̇li̇m veri̇lerden danışmansız öğrenmeye dayalı sınıflamada yeni̇ yaklaşım

    ERDAL COŞGUN

    Doktora

    İngilizce

    İngilizce

    2013

    BiyoistatistikHacettepe Üniversitesi

    Biyoistatistik Ana Bilim Dalı

    PROF. DR. ERGUN KARAAĞAOĞLU

  2. Tez No

    567472

    HbF veya HbA2 anormalliği olan bireylerde Kruppel-like factor 1 ve Hemoglobin subunit delta genlerindeki mutasyonların genotip-fenotip ilişkisinin incelenmesi

    Investigation of the genotype-fenotype relationship between the mutations of Kruppel-like factor 1 and Hemoglobin subunit delta genes in patients with HbF or HbA2 abnormalities

    TANER KARAKAYA

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2019

    GenetikÇanakkale Onsekiz Mart Üniversitesi

    Tıbbi Genetik Ana Bilim Dalı

    PROF. DR. ÖZTÜRK ÖZDEMİR

  3. Tez No

    344776

    Finansal zaman serilerinin fonksiyonel yapısının genetik öğrenmeyle belirlenmesi

    Determining the functional structure of financial time series by means of genetic learning

    ÖZGÜR İCAN

    Doktora

    Türkçe

    Türkçe

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. HASAN DURUCASU

  4. Tez No

    441718

    Mekanik otopark tesislerinin yer seçimi ve boyutlandırılması için genetik algoritma tabanlı bir yaklaşım

    A GA based approach to location selection and dimensioning of automated parking facilities

    TOLGA KARASAY

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Ana Bilim Dalı

    PROF. DR. MİNE ÖZKAR KABAKÇIOĞLU

  5. Tez No

    139586

    Multiobjective genetic algorithm approaches to project scheduling under risk

    Risk altında proje çizelgeleme problemine çok amaçlı genetik algoritma yaklaşımları

    MURAT KILIÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2003

    Endüstri ve Endüstri MühendisliğiSabancı Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜNDÜZ ULUSOY

Geri Dön