Gelişmiş meta modelleme için yinelemeli denetimsiz öğrenme tabanlı özellik çıkarma
Iterative unsupervised learning-based feature extraction for enhanced meta-modeling
- Tez No: 938313
- Danışmanlar: PROF. DR. AYDIN ÇETİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde denetimli öğrenme yöntemleri büyük başarılar elde etmesine rağmen, yeterli etiketli veriye erişimin sınırlı olduğu durumlarda model performansı ciddi şekilde etkilenmektedir. Bu durum, özellikle karmaşık veri yapılarında gizli kalıpların keşfedilmesini ve modelin genellenebilirliğini zorlaştırmaktadır. Bu tezde, bu probleme çözüm olarak, etiketlenmemiş verilerin bilgi potansiyelinden yararlanarak model doğruluğunu artırmayı amaçlayan yeni bir denetimsiz özellik çıkarım yaklaşımı sunulmaktadır. Önerilen yöntemde, değişken küme parametresine sahip denetimsiz öğrenme algoritmaları kullanılarak veri kümesi üzerinde farklı küme yapılandırmaları keşfedilmekte ve bu süreçten elde edilen çıktıların modele yeni özellikler olarak eklenmesi sağlanmaktadır. Bu yinelemeli entegrasyon, modelin başarımı belirli bir yakınsama noktasına ulaşana kadar sürdürülmekte ve her döngüde model yeniden eğitilmektedir. Yinelemeli özellik çıkarma tabanlı optimizasyon, hem veri içindeki gizli yapıları ortaya çıkarmakta hem de denetimsiz öğrenmenin model iyileştirmede aktif rol almasını sağlamaktadır. Diyabet ve Wisconsin Meme Kanseri Tespit veri setleri üzerinde gerçekleştirilen deneyler, önerilen yöntemin model doğruluğunu anlamlı düzeyde artırdığını ve farklı veri setlerine karşı yüksek uyarlanabilirlik gösterdiğini ortaya koymuştur. Bu tez, önerilen yaklaşımın yalnızca teorik olarak değil, aynı zamanda pratik uygulamalarda da etkili sonuçlar verdiğini ortaya koymakta; denetimsiz öğrenme alanında eğitim sonrası model optimizasyonuna yönelik yeni bir bakış açısı sunmaktadır.
Özet (Çeviri)
Although supervised learning methods have achieved significant success in recent years, the performance of such models can be severely limited in scenarios where access to labeled data is insufficient. This limitation poses challenges especially in identifying hidden patterns within complex data structures and in enhancing the generalizability of models. In response to this problem, this thesis proposes a novel unsupervised feature extraction approach that leverages the latent information in unlabeled data to improve model accuracy. The proposed method employs unsupervised learning algorithms with a variable clustering parameter to explore diverse cluster structures within the dataset. The resulting cluster outputs are iteratively added to the model as new features. This iterative integration continues until the model's performance reaches a convergence point, with the model being retrained at each cycle. The optimization process based on iterative feature extraction not only reveals latent structures in the data but also enables unsupervised learning to play an active role in model enhancement. The effectiveness of the proposed approach is demonstrated on the Diabetes and Wisconsin Breast Cancer Detection datasets, where empirical results show a significant improvement in model accuracy and high adaptability across different datasets. This thesis highlights that the proposed method provides not only theoretical contributions but also practical value, and offers a new perspective for post-training model optimization within the scope of unsupervised learning.
Benzer Tezler
- Bazı sert çekirdekli meyve türlerinde döllenme biyolojisi üzerinde yöntem çalışmaları
Başlık çevirisi yok
ATBİMOĞLU ADALET
- Landsat uydusu aracılığı ile elde edilen görüntülerin sınıflandırılmaları ve bunlara ilişkin bilgisayar programlarının hazırlanması
Başlık çevirisi yok
G. FERZAN KÜÇÜKA
Yüksek Lisans
Türkçe
1985
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİS PÜSKÜLCÜ
- Bazı buğday türlerinde poliploidi düzeyine bağımlı IAA ve ABA miktarlarının kantitatif belirlenmesi üzerine bir araştırma
Başlık çevirisi yok
SEVGİ HEPAKSOY
- 1985-1986 yıllarında Polatlı Devlet Hastanesine kaza nedeniyle başvuranların incelenmesi
Başlık çevirisi yok
FERHAN ŞENOL
Yüksek Lisans
Türkçe
1986
İlk ve Acil YardımGazi ÜniversitesiKazaların Çevresel ve Teknik Araştırması Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. HİKMET PEKCAN