A novel statistical approach for feature extraction: applying to machine learning methods
Özellik çıkarma için yeni bir istatistiksel yaklaşım: makine öğrenimi yöntemlerine uygulanması
- Tez No: 933415
- Danışmanlar: ASSOC. PROF. DR. YÜKSEL ÇELİK
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 120
Özet
Bu çalışmada, tıbbi görüntü sınıflandırması, giderek daha önemli bir araştırma alanıdır ve görüntüleri hesaplamalı olarak temsil etme ihtiyacı, gereken büyük miktarda veri ve işlem gücü nedeniyle genellikle önemli zorluklar ortaya çıkarmaktadır. Bu çalışmada, sağlık hizmetleri alanında görüntü sınıflandırması için yeni bir yaklaşım geliştirilmiştir ve bu yaklaşım, verilerin Üst ve Alt Sınır aykırı değer bölgelerindeki en etkili özellikleri belirleyerek farklı sınıflar arasında daha yüksek ayrımcılık elde etmeyi amaçlayan ASPS_HC olarak adlandırılmıştır. Bu, her bir görüntüyü temsil eden 48 özellik oluşturmak için Varyans Katsayısı (CV) dahil olmak üzere çeşitli istatistiksel ölçümlerin kullanılmasıyla elde edilir. Kaggle'dan elde edilen Gauss formülünde 5.540 diyabetik retinopati görüntüsünden oluşan bir veri seti üzerinde bir deney yapıldı. Önerilen ASPS_HC yaklaşımı, özellik çıkarma için önceki ASPS yöntemine göre üç ana avantaj sağladı: özelliklerin ortalama
Özet (Çeviri)
In this study, medical image classification is an increasingly important research area, and the necessity to represent images computationally frequently presents substantial obstacles due to the vast amount of data and processing power required. This paper presents ASPS_HC, a unique approach for picture classification in the healthcare area, which seeks to achieve higher discrimination between various classes by selecting the most effective features in the data's Upper and Lower Bound outlier regions. This is achieved by employing several statistical metrics, including the coefficient of variation (CV), to construct forty-eight characteristics representing each image. The Gaussian formula was applied to a dataset of 5,540 diabetic retinopathy photos taken from Kaggle. The suggested ASPS_HC methodology has three major improvements over the prior ASPS method for feature extraction: it boosted the average ranking of the features by 200%, reduced the running time by 23.30%, and reduced the number of features required by 50%.
Benzer Tezler
- İnsan gen yolaklarında ikâme modelleme ve makine öğrenmesi kullanarak varyant analizi
Variant analysis in human gene networks using surrogate modelling and machine learning
FURKAN AYDIN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜHA TUNA
- EEG işaretlerinden epilepsi hastalığının teşhisi için yeni yaklaşımlar
Novel approaches for diagnosis of epilepsy disease from EEG signals
UMUT ORHAN
Doktora
Türkçe
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolZonguldak Karaelmas ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MAHMUT ÖZER
YRD. DOÇ. DR. MAHMUT HEKİM
- Community event prediction in evolving social networks
Dinamik sosyal ağlarda topluluk olay öngörüsü
NAGEHAN İLHAN
Doktora
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞULE ÖĞÜDÜCÜ
- Building of Turkish propbank and semantic role labeling of Turkish
Türkçe önerme veri tabanının oluşturulması ve Türkçenin anlamsal görev çözümlemesi
GÖZDE GÜL ŞAHİN
Doktora
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. EŞREF ADALI
- Kullanıcı tarayıcı geçmişine dayanarak müşteri yorumlarının özetlenmesi
Personalized feature based summarization
FATMA ZEHRA KAVASOĞLU
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞULE GÜNDÜZ ÖĞÜDÜCÜ