Geri Dön

İkili kümeleme algoritmaları için parametre optimizasyonu: NSGA-II ve TOPSIS yöntemleri ile etkileşimli bir r-Shiny arayüzü

Parameter optimization for biclustering algorithms: An interactive r-Shiny interface using NSGA-II and TOPSIS methods

PDF İndir

  1. Tez No: 920426
  2. Yazar: AHMET KOCATÜRK
  3. Danışmanlar: PROF. DR. HACI HASAN ÖRKCÜ
  4. Tez Türü: Doktora
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 124

Özet

İkili kümeleme, çok değişkenli verilerin derinlemesine incelenmesinde önemli bir araç olup, benzer özelliklere sahip grupların belirlenmesini amaçlar. Geleneksel yöntemlerin yanı sıra, son zamanlarda veri matrisinde hem satır hem de sütun bazında eş zamanlı olarak kümeleme yapabilen ikili kümeleme yöntemleri geliştirilmiştir. Bu yaklaşımlar, veri setindeki karmaşıklığı daha iyi yönetebilir ve daha kapsamlı bir analiz sunabilir. İkili kümeleme yöntemlerinin özellikle gen açıklama verileri gibi biyolojik veri analizlerinde önemli bir rol oynamasıyla birlikte, bu yöntemlerin etkili bir şekilde kullanılması için parametrelerin doğru bir şekilde ayarlanması kritiktir. Bu çalışmada, NSGA-II ve TOPSIS gibi çok amaçlı optimizasyon yöntemlerinin entegrasyonuyla ikili kümeleme algoritmalarının en etkin parametrelerinin belirlenmesi ve önerilen bir araç kutusu geliştirilmesi sağlanmıştır. Araç kutusu, farklı ikili kümeleme algoritmalarını kullanmayı kolaylaştıran bir kullanıcı arayüzü sunmaktadır ve gen açıklama verileri gibi çeşitli veri türlerinde kullanılabilir. Ayrıca, çalışmada geliştirilen araç kutusu, kullanıcılara geniş bir seçenek yelpazesi sunarak, farklı ikili kümeleme algoritmalarının ve değerlendirme ölçülerinin esnek kullanma olanak tanır. Kullanıcılar, araç kutusu üzerinden veri yükleme, algoritma seçme ve çalıştırma gibi temel işlemleri gerçekleştirebilirken, aynı zamanda veri yapısının görselleştirilmesi ve veri ön işleme seçeneklerinden de faydalanabilirler. Bu çalışmanın sonuçları, ikili kümeleme analizlerinin daha erişilebilir hale gelmesine ve araştırmacıların veri analizi sürecini daha verimli hale getirmesine olanak tanır.

Özet (Çeviri)

Biclustering is a significant tool in the in-depth examination of multivariate data, aiming to identify groups with similar characteristics. In addition to traditional methods, biclustering methods capable of simultaneously clustering rows and columns in the data matrix have been developed recently. These approaches can better manage the complexity of the dataset and provide a more comprehensive analysis. With biclustering methods playing a crucial role, especially in biological data analysis such as gene expression data, it is critical to adjust parameters correctly for their practical use. In this study, multi-objective optimization methods such as NSGA-II and TOPSIS are integrated to determine the most influential parameters of biclustering algorithms and develop a proposed toolbox. The toolbox provides a user interface facilitating the use of different biclustering algorithms and can be applied to various data types, such as gene expression data. Furthermore, the developed toolbox in this study offers users a wide range of options, allowing for flexible use of different biclustering algorithms and evaluation criteria. Users can perform basic operations such as data loading, algorithm selection, and execution through the toolbox while also benefiting from data structure visualization and data preprocessing options. The results of this study enable biclustering analyses to become more accessible and empower researchers to make their data analysis process more efficient.

Benzer Tezler

  1. Tez No

    920528

    A data-driven approach to identifying and selecting temporary disaster debris management sites: The case of Istanbul

    Geçici afet moloz yönetim alanlarının belirlenmesi ve seçimi için veri odaklı bir yaklaşım: İstanbul örneği

    BURAK KABAKLI

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ŞEYDA SERDAR ASAN

  2. Tez No

    827860

    Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini

    Forecasting the spread of covid-19 using deep learning and big data analytics methods

    CYLAS KIGANDA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL

  3. Tez No

    847173

    Fake news classification using machine learning and deep learning approaches

    Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması

    SAJA ABDULHALEEM MAHMOOD AL-OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  4. Tez No

    388272

    Video processing algorithms for wildfire surveillance

    Orman yangını gözetleme amaçlı video işleme algoritmaları

    OSMAN GÜNAY

    Doktora

    İngilizce

    İngilizce

    2015

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. A. ENİS ÇETİN

  5. Tez No

    609496

    Developing computational dialogue interface on freeform paneling for cost efficiency

    Serbest yüzeylerin maliyet etkin panellenmesi için hesaplamalı bir diyalog arayüzü geliştirilmesi

    BEKİR TOPALOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Mimarlıkİstanbul Teknik Üniversitesi

    Enformatik Ana Bilim Dalı

    PROF. DR. LEMAN FİGEN GÜL

Geri Dön