Geri Dön

Classification the data set in medical care (Breast cancer) by using machine learning algorithms

Tıbbi bakımda (Gögüs kanserı) veri kümesinin makine ögrenme algoritmaları kullanılarak sınıflandınlması

PDF İndir

  1. Tez No: 479158
  2. Yazar: NUSAIBAH KHALID ABDULMAJEED ABDULMAJEED
  3. Danışmanlar: DOÇ. DR. TURGAY İBRİKÇİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: İngilizce
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Günümüzde, büyük veri kümesinden bilgi edinmek için data setleri her geçen gün büyümektedir. Veri tabanından yararlı bilgilerin çıkarılması işlemi veri madenciliği olarak tanımlanır. Bu da özellikle tıbbi bakımda tanısal sonuçları elde etmek için kullanılan en önemli tekniklerden biridir. Meme kanseri, diğer bütün tümör türleri ile karşılaştırıldığında kadınlarda yaygın görülen kanserlerden biridir. Sınıflandırma, gerçek hayat uygulamalarındaki her alanında yaygın bir şekilde kullanılmaktadır. Bu teknik bir insan tarafından fark edilemeyecek küçük benzerlik ve farklılıkları tespit etme yeteneğine sahiptir. Böylece daha faydalıve doğru sınıfların oluşmasını sağlayacaktır. Bu tez, Sıralı Minimal Optimization (SMO) destekli Destek Vektör Makinalarının farklı çekirdek fonksiyonları ile ve karar ağaçları algoritmaları ve meme kanseri verilerini analizve karşılaştırmaları ortaya koymaktadır.Karar ağacı algoritmaları olarak:J48, Functional Tree, Rasgele Orman, AD Değişen karar Ağacı, Karar kütüğü Ağaç, Basit Sepet veEn İyi İlk Ağaç algoritmaları uygulanmaktadır. Ayrıca Destek Vektörü Makinası olarak Normalleştirilmiş Poly çekirdeği,Poly Çekirdeği, PUK çekirdeği ve RBF Çekirdeği kullanılmıştır. Bu algoritmaların sonuçları, bir makina öğrenme ortamı olan WEKA üzerinde ortaya koyulmuştur. Bu sınıflandırma algoritmaları arasındaki farklılıkları test etmek için 32 özellikli 357 iyi huylu ve 212 kötü huylu (malign)sonuçlarına sahip toplamda 569 veriyi içermektedir.

Özet (Çeviri)

Nowadays, datasets are growing daily to obtain knowledge from big dataset. Extraction operation of useful information from the dataset is called data mining that is one of the major techniques to get the diagnostic results especially in medical care fields as breast cancer. Breast cancer is one of the widespread cancers among women if matched with all other tumors all over the world. Classification is widely used in most important and necessary tasks in the real life applications in all fields. This technique has ability of detecting very similarities and differences that a human analyst may be not notice and therefore create and introduction more accurate/useful categories. This thesis presents comparison and analyses breast cancer dataset by using classification decision tree algorithms and kernel function by using Support Vector Machines via Sequential Minimal Optimization (SMO). Decision tree algorithms are applied to these algorithms which are J48, Functional Tree, Random Forest Tree, AD Alternating Decision Tree, Decision stump Tree, Simple Cart and Best First Tree. Moreover, Support Vector With (Normalized Poly Kernel, Poly Kernel, PUK Kernel and RBF Kernel). A computationally efficient classifies of these algorithms by employing Waikato Environment for Knowledge Analysis (WEKA) that is development program which includes a set of machine learning algorithms. These masses included 569 with 357 benign and 212 malignant cases with 32 attributes to test and proof the differences among the classification methods or algorithms.

Benzer Tezler

  1. Tez No

    549184

    Breast cancer data classification using SVM, NB and KNN algorithms

    SVM, NB ve KNN kullanımı ile göğüs kanseri veri sınıflandırması

    BURCU MERAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    PROF. DR. KAMİL ORUÇOĞLU

  2. Tez No

    271119

    Finding hidden patterns of hospital infections on the newborn in Turkey: A data mining approach

    Türkiye'deki yenidoğan hastane enfeksiyonlarının gizli örüntülerini bulmak: Bir veri madenciliği yaklaşımı

    İNCİ AKSOY

    Yüksek Lisans

    İngilizce

    İngilizce

    2010

    İşletmeBoğaziçi Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    YRD. DOÇ. DR. BERTAN BADUR

    YRD. DOÇ. DR. SONA MARDİKYAN

  3. Tez No

    557013

    Giyilebilir düşme sezme sistemlerinde ataletsel ve magnetik algılayıcıların sınıflandırma performansına etkilerinin incelenmesi

    The investigation of the effect of inertial and magnetic sensors to classification performance in wearable fall detection system

    FATİH YOLDÜREN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Elektrik ve Elektronik MühendisliğiErciyes Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET TURAN ÖZDEMİR

  4. Tez No

    433122

    Acil servise başvuran obstetri hastalarının triyaj sınıflandırılmasına göre dağılımları ve yapılan uygulamaların değerledirilmesi

    Admitted to the emergency department of obstetrics triage patients according to the classification of distributions and the evaluation of applications

    CEMİLE UÇAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Kadın Hastalıkları ve DoğumEge Üniversitesi

    Ebelik Ana Bilim Dalı

    PROF. DR. RABİA GENÇ

  5. Tez No

    343285

    Veri madenciliği yöntemlerini kullanarak diyabetik retinopati hastalığının teşhisi

    Diagnosis of diabetic retinopathy using data mining techniques

    MENDUH ÇERKEZİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. HAYRETTİN EVİRGEN

Geri Dön