Variable shaped detector:A negative selection algorithm
Değişken şekilli detektör: Bir negatif seçme algoritması
- Tez No: 338352
- Danışmanlar: PROF. DR. FERDA N. ALPASLAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Yapay zeka, Artificial intelligence
- Yıl: 2013
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yapay Bağışıklık Sistemleri (YBS), biyolojik bağışıklık sisteminin ilkeleri ve süreçleri temel alınarak geliştirilmiş hesaplama akıllı yöntemler sınıfıdır. YBS yöntemleri, bağışıklık sisteminin ilham alınan ilke ve süreçlerine göre başlıca dört tür olarak kategorize edilir. Bu kategoriler klon seçme, negatif seçme, bağışıklık ağ ve tehlike teorisidir. Negatif seçme algoritması (NSA) yaklaşımı önemli YBS modellerden biridir. NSA, timusta T hücrelerinin olgunlaşma süreci taklidi üzerine kurulu bir denetimli öğrenme algoritmasıdır. Bu taklitte, hücreleri taklit etmek için detektörler kullanılır ve T-hücreleri olgunlaşma süreci detektörleri oluşturmak için simüle edilir. Sonra, NSA verilen veriyi ya normal (kendinden) ya da anormal (kendinden olmayan) olarak sınıflandırır. Bu sınıflandırma görevinde, NSA yöntemleri iki türlü sınıflandırma hatası yapabilir: normal veri anormal veya anormal veri normal olarak sınıflandırılır.Bu tezde, sınıflandırma hatalarını azaltırken sınıflandırma doğruluğunu artırmak için değişken şekilli detektör (D-şekilli detektör) olarak adlandırılan yeni bir negatif seçme yöntemi önerilmiştir. D-şekilli detektör yönteminde normali belirleme ve detektör gösterimi için yeni yaklaşımlar tanıtıldı. D-şekilli detektör yöntemi, normal örneklerinin her biri için farklı bir yarıçap belirlemek amaçlı Yerel Aykırı Faktör ve k en yakın komşu yöntemlerini birlikte kullanmaktadır. Böylece, normal veriler ve yarıçapları kullanılarak normal uzayı modellenmek mümkün hale gelir. Ayrıca, değişken şekilli detektör oluşturmak için kübik spline yöntemi önerilmiştir. Detektör gösteriminde, kenar noktaları kullanıldığında kübik spline uygulama anlamlıdır. Böylece, verilen normal örneklerden kenar noktaları bulmak için kenar bulma algoritması geliştirilmiştir. D-şekilli detektör yöntemi test edilmiş ve iyi bilinen tek-sınıf sınıflandırma yöntemi (SVM) ve benzeri bir başka negatif seçme yöntemi karşılaştırılmıştır. Deneyler önerilen yöntemin makul ve karşılaştırılabilir sonuçlar ürettiğini göstermektedir.
Özet (Çeviri)
Artificial Immune Systems (AIS) are class of computational intelligent methods developed based on the principles and processes of the biological immune system. AIS methods are categorized mainly into four types according to the inspired principles and processes of immune system. These categories are clonal selection, negative selection, immune network and danger theory. The approach of negative selection algorithm (NSA) is one of the major AIS models. NSA is a supervised learning algorithm based on the imitation of the T cells maturation process in thymus. In this imitation, detectors are used to mimic the cells, and the process of T cells maturation is simulated to generate detectors. Then, NSA classifies the specified data either as normal (self) data or as anomalous (non-self) data. In this classification task, NSA methods can make two kinds of classification errors: a self data is classified as anomalous, and a non-self data is classified as normal data.In this thesis, a novel negative selection method, variable shaped detector (V-shaped detector), is proposed to increase the classification accuracy, or in other words decreasing classification errors. In V-shaped detector, new approaches are introduced to define self and represent detectors. V-shaped detector uses the combination of Local Outlier Factor (LOF) and kth nearest neighbor (k-NN) to determine a different radius for each self sample, thus it becomes possible to model the self space using self samples and their radii. Besides, the cubic b-spline is proposed to generate a variable shaped detector. In detector representation, the application of cubic spline is meaningful, when the edge points are used. Hence, Edge Detection (ED) algorithm is developed to find the edge points of the given self samples. V-shaped detector was tested using different data sets and compared with the well-known one-class classification method, SVM, and the similar popular negative selection method, NSA with variable-sized detector termed V-detector. The experiments show that the proposed method generates reasonable and comparable results.
Benzer Tezler
- Gerilim çentiği tespiti için yeni bir algoritma tasarımı
Design of a new algorithm to detect voltage notching
KORAY ERHAN
Yüksek Lisans
Türkçe
2013
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER USTA
- Kanser hastalarında stres ve başetme yolları
Stress and coping strategies in cancer patients
ÖZLEM KORKMAZ
Yüksek Lisans
Türkçe
2020
Psikiyatriİstanbul Bilgi ÜniversitesiAfet Eğitimi ve Yönetimi Ana Bilim Dalı
PROF. DR. AHMET TAMER AKER
- Gravite ölçerler ve çalışma prensipleri
Gravity meters and their workink principles
GAYE ONURSAL KIZILSU
- COVİD-19 pandemisi sürecinde bireylerin sağlıklı yaşam biçimi davranışları üzerine etki eden faktörlerin incelenmesi
Investigation of the factors affecting the healthy lifestyle behaviors of individuals during the COVID-19 pandemic
MEHTAP AKGÜN
Tıpta Uzmanlık
Türkçe
2021
Aile HekimliğiHacettepe ÜniversitesiAile Hekimliği Ana Bilim Dalı
DOÇ. DR. DUYGU AYHAN BAŞER
- İlkokul sınıf öğretmenlerinin kişilik özellikleri ile mesleki doyum düzeyleri arasındaki ilişkinin incelenmesi: Mersin ili örneği
Investigation of the relationship between personality characteristic and professional satisfaction levels of primary school teachers: Mersin province example
BEGÜM SEVAL GÜNDEŞLİOĞLU
Yüksek Lisans
Türkçe
2019
Eğitim ve ÖğretimMersin ÜniversitesiTemel Eğitim Ana Bilim Dalı
DOÇ. DR. LÜTFİ ÜREDİ