Geri Dön

On clustering and classification methods in biosequence analysis

Biyosekans analizinde kümeleme ve sınıflandırma yöntemleri üzerine

PDF İndir

  1. Tez No: 283672
  2. Yazar: ÇAĞIN KANDEMİR ÇAVAŞ
  3. Danışmanlar: PROF. DR. EFENDİ NASİBOĞLU
  4. Tez Türü: Doktora
  5. Konular: Biyomühendislik, İstatistik, Bioengineering, Statistics
  6. Anahtar Kelimeler: Diziler, Hiyerarşik kümeleme, Sequences, Hierarchical clustering
  7. Yıl: 2010
  8. Dil: İngilizce
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

İnsan genom çalışmaları çok fazla sayıda biyosekans verileri ortaya çıkarttığı için, bu verilerin işletim sürecinde maliyet ve zaman kaybını önleyen hesapsal teknikler geliştirilmektedir. Bu tezde, biyosekans analizinde ?protein, enzim sekansları- kümeleme ve sınıflama üzerine yeni yaklaşımlar çalışılmıştır.Sınıflandırma, bir uzman görüşü altında desen kümesine sınıf etiketleri atama ya da sınıflandırma yapmayı amaçlayan öğreticili bir öğrenme algoritmasıdır. Bu tezde, proteinlerin hücre içi yer tahmin etme problemi en uygun ağırlıklandırılmış bulanık k-NN (OWFKNN) kullanılarak çözülmüştür.Kümeleme, verilen elemanlar kümesini benzerlikleri temel alınarak kümelere ayırmayı amaçlayan denetimsiz öğrenme tekniğidir. Bu noktada, protein sekanslarının evrimsel ilişkilere sahip olmaları nedeniyle, bütün protein sekansları sekans benzerlikleri bakımından düzenlenebilmektedir. Filogenetik ağaç olarak adlandırılan grafiksel gösterim protein sekansları arasındaki ilişkiyi özetlemektedir. Filogenetik ağaç oluşturulması, bağlantı yöntemi olarak çok kriterli karar verme probleminde sıkça kullanılan Sıralı Ağırlıklı Ortalama (OWA) kullanılması önerilmiştir. OWA tabanlı hiyerarşik kümelemenin performansı ortalama karekök standart sapma (RMSSTD) ve R-kare (RS) küme geçerlilik indisleriyle incelenmiştir.

Özet (Çeviri)

Since human genome studies have brought out a huge number of biosequence data, computational techniques have been developed preventing the vast of cost and time in the management process of these data. In this thesis, new approaches on clustering and classification methods in biosequence ?protein, enzyme sequences? analysis are studied.Classification is a supervised learning algorithm that aims at categorizing or assigning class labels to a pattern set under the supervision of an expert. Therefore, the problem of subcellular location prediction of proteins has been solved by using Optimally Weighted Fuzzy k-NN (OWFKNN). In addition, enzymes have been classified by novel approaches based on minimum-distance classifiers.Clustering is an unsupervised learning technique that aims at decomposing a given set of elements into clusters based on similarity. In this point of view, due to the fact that protein sequences have evolutionary relationship, all protein sequences can be organized in terms of their sequence similarity. A graphical illustration called phylogenetic tree can summarize the relationship between the protein sequences. The construction of phylogenetic tree is based on hierarchical clustering. Thus, we have proposed Ordered Weighted Averaging (OWA) that is most commonly used in multicriteria decision-making, as a linkage method in construction phylogenetic tree. Performance of the OWA-based hierarchical clustering is analyzed by cluster validity indices Root-Mean-Square Standard Deviation (RMSSDT) and R-Squared (RS).

Benzer Tezler

  1. Tez No

    167341

    Statistical learning and optimization methods for improving the efficiency in landscape image clustering and classification problems

    Görüntü kümelendirme ve sınıflandırma algoritmalarının performansını arttırmak için istatistiksel öğrenme ve optimizasyon metodlarının kullanımı

    SELİME GÜROL

    Yüksek Lisans

    İngilizce

    İngilizce

    2005

    Bilim ve TeknolojiOrta Doğu Teknik Üniversitesi

    PROF.DR. BÜLENT KARASÖZEN

    Y.DOÇ.DR. HAKAN ÖKTEM

  2. Tez No

    897479

    Developing novel methods on data stream classification and clustering for accuracy improvement

    Veri akışı sınıflandırma ve kümeleme üzerine doğruluğu artırmaya yönelik yeni yöntemler geliştirilmesi

    ENGİN MADEN

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. PINAR KARAGÖZ

  3. Tez No

    318704

    Depiction of hemorrhagic regions caused by diabetic retinopathy on fundus flouresan angiography images by using image enhancement and basic classification methods

    Diyabetik retinopatiye yol açan kanamalı bölgelerin fundus flouresan anjiografi görüntüleri üzerinde görüntü iyileştirme ve temel sınıflama metotlarını kullanarak tanımlanması

    İCLAL ÇETİN TAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2012

    Elektrik ve Elektronik MühendisliğiÇukurova Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SAMİ ARICA

    YRD. DOÇ. DR. TURGAY İBRİKÇİ

  4. Tez No

    744923

    Veri analizi kümeleme ve sınıflandırma yöntemlerinde matematiksel modellemeler ve iyileştirme önerileri

    Mathematical modelling and improvement suggestions in clustering and classification methods for data analysis

    MELİKE GÖKSU

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    MatematikYıldız Teknik Üniversitesi

    Matematik Ana Bilim Dalı

    DOÇ. DR. FİLİZ KANBAY

  5. Tez No

    866729

    Zeki sınıflandırma ve kümeleme yöntemlerinin tıbbi tanı ve tedavide kullanımı

    The usage of intelligent classification and clustering methods in medical diagnosis and treatment

    UĞUR ERKİN KOCAMAZ

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HARUN TAŞKIN

Geri Dön