Feature selection using genetic algorithms
Başlık çevirisi mevcut değil.
- Tez No: 47523
- Danışmanlar: DOÇ.DR. H. LEVENT AKIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Sınıflandırma, Öge seçimi, Classification, Feature selection
- Yıl: 1995
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
ÖZET Bu çalışmada sınıflandırmada öge seçimi problemini inceledik. Bu amaç için Genetik Yordamlar ve Sırayla Geri Arama (SGA) teknikleri kullanıldı. Bu iki yöntemin de sınıflamadaki basan oranını düşürmeden sınıflamada kullanılan öge sayışım azaltma basanları ölçüldü, öge seçiminde kullanılan, başka araştırmacılar tarafından uygulanmış diğer yöntemler de özetlendi. öge seçimi deneyleri, En Yakın Komşu sınırlayıcısı kullanılarak bizim taraflınızdan hazırlanmış üç veri kümesi ve gerçek verilerden oluşan iki küme üzerinde yapıldı. Genetik Yordamlar ilk grup veri kümeleri üzerinde ikinci gruba göre daha yüksek basan gösterdi. İncelenecek öge sayısı arttıkça, SGA, Genetik Yordamlara göre daha iyi sonuç vermeye başladı. Bu araştırmada kullanılan iki yöntemin seçmiş olduğu öğelerin kullanılmasında da, gerçek veri kümeleri üzerinde, tüm elde bulunan öğeleri kullanan başka araştırmacılann elde etmiş olduğundan daha yüksek sınıflama değerlerine ulaşıldı. Genetik Yordamlar ve SGA yöntemlerinin ikisinin de bulduğu öge kümeleri kullanılarak erişilen sınıflama değerleri başka araştırmacılann daha önce sınıflamada En Yakın Komşu ve Geriyayma Yapay Sinir Ağı kullanarak ulaştıklan değerlerden yüksek oldu.
Özet (Çeviri)
IV ABSTRACT In this study, we investigated the feature selection problem in classification. Genetic Algorithms (GAs) and Sequential Backward Search (SBS) were used for this purpose. The ability to reduce the number of features used in classification without decreasing the classification success rate was tested on different data sets, for these two methods. Feature selection experiments were done on three artificial data sets and on two real data sets, using the Nearest Neighbor as the classifier. GAs showed better performance on the first group of data sets rather than on the second group. SBS gave better results than the results obtained using GAs, as the number of features increased. With the features selected by both methods we achieved higher classification rates on the real data sets than obtained by other researchers (who used all the features). Both GAs and SBS found feature sets that yielded higher classification rates than the rates obtained previously by other researchers, who used Nearest Neighbor and Backpropagation Neural Network in classification.
Benzer Tezler
- A Genetic algorithm approach for test point inertion problem
Sınama noktası yerleştirme sorunu için bir genetik algoritma yaklaşımı
NUR ENGİN
Yüksek Lisans
İngilizce
1996
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ZAFER ÜNVER
- Geri beslemeli yapay sinir ağlarının genetik operatörlere dayalı tabu araştırma algoritması kullanarak eğitilmesi
Training recurrent neural networks using tabu search based on genetic operators
ADEM KALINLI
- Yapay sinir ağları kullanılarak örüntü sınıflandırma ve tanıma
Pattern classification and recognition using artificial neural networks
AZİZ CAN YÜCETÜRK
Doktora
Türkçe
1999
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. EMRAH ORHUN
- Uzman sistemler ve ulaştırma alanında kullanımları
Expert systems and using them in transportation
A.BURAK GÖKTEPE
- Comperative evaluation of combined artificial intelligence and mathematical methods for defect classification
Hata sınıflandırmasında yapay zeka ve matematiksel yöntemlerin karşılaştırılmalı değerlendirilmesi
RAHMİ FIÇICI
Yüksek Lisans
İngilizce
1995
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiY.DOÇ.DR. FİKRET GÜRGEN