Geri Dön

Binary classification via GMDH-type neural network algorithm

GMDH türünde sinir ağı algoritması ile ikili sınıflandırma

PDF İndir

  1. Tez No: 529246
  2. Yazar: OSMAN DAĞ
  3. Danışmanlar: PROF. DR. CELAL REHA ALPAR, PROF. DR. ERDEM KARABULUT
  4. Tez Türü: Doktora
  5. Konular: Biyoistatistik, Biostatistics
  6. Anahtar Kelimeler: Algoritmalar, Biyoistatistik, Makine öğrenmesi, Makine öğrenmesi yöntemleri, Monte Carlo benzetimi, Sinir ağları, Veri işleme, Veri madenciliği, Web, Algorithms, Bioistatistics, Machine learning, Machine learning methods, Monte Carlo simulation, Nerve net, Data processing, Data mining, Web
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Veri işleme grup yöntemi (GMDH) türünde sinir ağı algoritmaları karmaşık sistemleri modellemeye yarayan kendi kendini organize eden yöntemlerdir. GMDH algoritmaları regresyon, sınıflandırma, kümeleme, öngörü gibi çeşitli amaçlar için kullanılmaktadır. Bu tez kapsamında GMDH temelli farklı sınıflandırıcıların birleştirilmesi (dce-GMDH) adında yeni bir algoritma önerilmektedir. Bu algoritmaya ulaşılabilmesi için GMDH2 adında bir R paketi geliştirilmiştir. Paket GMDH ve dce-GMDH adında iki temel algoritma sunmaktadır. GMDH algoritması ikili sınıflandırma yapmakta ve önemli değişkenleri bulmaktadır. dce-GMDH algoritması ise farklı sınıflandırıcıları GMDH temelli olarak birleştirerek ikili sınıflandırma yapmaktadır. Paket farklı formatlarda (R, LaTeX, HTML) tanımlayıcı istatistiklerin tablosunu üretmektedir. Ek olarak, paket sınıflandırma performansı değerlendirmek amacıyla karışıklık matrisi, ilgili istatistikleri ve sınıflandırma etiketleri ile birlikte etkileşimli saçılım grafiği (2 ve 3 boyutlu) üretmektedir. Paketin tüm özellikleri Wisconsin meme kanseri verisi ile sunulmaktadır. GMDH algoritmaları ile diğer iyi bilinen sınıflandırıcıları karşılaştırmak amacıyla Monte Carlo benzetim çalışması yapılmıştır. R kullanıcısı olmayanlar için paketin kullanıcı dostu bir web uygulaması geliştirilmiştir. Bu web uygulaması http://www.softmed.hacettepe.edu.tr/GMDH2 adresi ile kullanıma açılmıştır.

Özet (Çeviri)

Group Method of Data Handling (GMDH) - type neural network algorithms are the self organizing algorithms for modeling complex systems. GMDH algorithms are used for different objectives; examples include regression, classification, clustering, forecasting, and so on. In this thesis, we propose a new algorithm named as diverse classifiers ensemble based on GMDH (dce-GMDH) algorithm for binary classification. Also, we develop an R package, GMDH2, to make our proposed algorithm available. The package offers two main algorithms, GMDH and dce-GMDH algorithms. GMDH algorithm performs binary classification and returns important variables. dce-GMDH algorithm performs binary classification by assembling classifiers based on GMDH algorithm. The package also provides a well-formatted table of descriptives in different format (R, LaTeX, HTML). Moreover, it produces confusion matrix and related statistics, and interactive scatter plot (2D and 3D) with classification labels of binary classes to assess the prediction performance. All properties of the package are demonstrated on Wisconsin Breast Cancer data. A Monte Carlo simulation study is also conducted to compare GMDH algorithms to the other well-known classifiers under the different conditions. Moreover, a user-friendly web-interface of the package is developed especially for non-R users. This web-interface is available at http://www.softmed.hacettepe.edu.tr/GMDH2.

Benzer Tezler

  1. Tez No

    152833

    Classification via sequential testing

    Sıralı testler ile sınıflandırma

    ÖMER ERHUN KUNDAKCIOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2004

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı Üniversitesi

    YRD. DOÇ. DR. TONGUÇ ÜNLÜYURT

  2. Tez No

    745646

    Time series classification via topological data analysis

    Topolojik veri analizi ile zaman serilerinin sınıflandırılması

    ALPEREN KARAN

    Doktora

    İngilizce

    İngilizce

    2022

    Matematikİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    PROF. DR. ATABEY KAYGUN

  3. Tez No

    735213

    Variable selection and classification for longitudinal binary data through three-step sparse boosting

    Üç aşamalı seyrek yükseltme metodu ile ikili sonucu olan uzunlamasına verilerin değişken seçimi ve sınıflandırılması

    DENİZ ESİN EMER

    Doktora

    İngilizce

    İngilizce

    2022

    İstatistikOrta Doğu Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. ÖZLEM İLK DAĞ

  4. Tez No

    898270

    A comparative study of prompting and fine-tuning for binary text classification of sustainable development goals

    Sürdürülebilir kalkınma amaçlarının ikili metin sınıflandırmasında istemleme ve ince-ayar üzerine karşılaştırmalı bir çalışma

    MERT ATAY

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. PELİN ANGIN ÜLKÜER

  5. Tez No

    397841

    Video analizi ile baş hareketi sınıflandırma

    Head rotation classification via video analysis

    FİLİZ GÜRKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. BİLGE GÜNSEL KALYONCU

Geri Dön