Makine öğrenmesi yöntemleriyle çoklu etiketli verilerin sınıflandırılması
Başlık çevirisi mevcut değil.
- Tez No: 619685
- Danışmanlar: DOÇ. DR. MEHMET ALİ ALAN
- Tez Türü: Yüksek Lisans
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Sivas Cumhuriyet Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde internetin gelişmesiyle beraber teknolojik altyapının sağlanması ve erişimin kısalması pek çok sektörde yeni alanların doğmasına olanak sağlamıştır. Artan ve bilgi içeren bu alanların birer kaynak haline gelmesi yenilik ve çeşitlilik açısından büyük fırsatlar doğurmaktadır. Veri olarak adlandırılan bu kaynakların hızla artması makine öğrenmesi alanındaki çalışmalara çeşitlilik ve önem kazandırmaktadır. Yaygın olarak kullanılan verinin tasnif edilmesi, işe yarar bir duruma getirilmesi ve yeni bilgiler üretebilmesi adına bir sınıflandırmaya tabi tutulması gerekmektedir. Çoklu etiket sınıflandırması, sınıfların birbirini dışlamadığı geleneksel tek etiketli sınıflandırmanın bir uzantısıdır ve her örnek aynı anda birkaç sınıfa atanabilir. Haberlerin sınıflandırılması ve görüntülerin sınıflandırılması gibi çeşitli modern uygulamalarda görülür. Bu tezde ilk olarak teknolojinin gelişmesiyle artan verinin tasnifinde kullanılan çok etiketli sınıflandırma tanıtılmış, daha sonra makine öğrenmesi algoritmaları kullanılarak çok etiketli sınıflandırma bir film veri seti üzerinde modellenerek optimum başarının sağlanmasına yönelik testler yapılmıştır
Özet (Çeviri)
Nowadays, with the development of the internet, the provision of technological infrastructure and the shortening of access have enabled the creation of new areas in many sectors. The fact that these increasing and knowledgeable areas become a source creates great opportunities for innovation and diversity. The rapid increase of these socalled data sources gives diversity and importance to the studies in the field of machine learning. Commonly used data needs to be classified, put into a useful state, and subjected to a classification in order to produce new information. The multi-label classification is an extension of the traditional single-label classification in which classes are not mutually exclusive, and each instance can be assigned to several classes at the same time. It is seen in various modern applications such as the classification of news and the classification of images. In this thesis, firstly, the multi-label classification used in the classification of the increasing data with the development of technology is introduced, and then the tests are performed to achieve optimum success by modeling the multi-label classification on a film dataset using machine learning algorithms.
Benzer Tezler
- Dissimilarity based multiple instance learning using dictionary ensembles
Sözlük toplulukları kullanılarak farklılık tabanlı çoklu örnek öğrenme
NAZANIN MOARREF
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YUSUF YASLAN
- Machine learning-based prediction of FTIR spectral peaks for biomass characterization
Biyokütle karakterizasyonu için FTIR spektral pik noktalarının makine öğrenmesi tabanlı tahmini
FAHREDDİN TALHA SAĞİŞ
Yüksek Lisans
İngilizce
2025
Kimya Mühendisliğiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. SERDAR YAMAN
- Land cover segmentation of very high-resolution remotely sensed data using CNN and transformer models
Transformer ve CNN modelleri kullanarak çok yüksek çözünürlüklü uzaktan algılama görüntülerinin arazi örtüsü segmentasyonu
CENGİZ AVCI
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Ensemble based feature selection with hybrid model
Hibrit modeli ile topluluk temelli öznitelik seçimi
CEYLAN DEMİR
Yüksek Lisans
İngilizce
2019
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İZZET GÖKSEL
DOÇ. DR. SÜREYYA AKYÜZ
- GOOWE-ML: A novel online stacked ensemble for multi-label classification in data streams
GOOWE ML: Veri akışlarında çok-etiketli sınıflandırma için yeni bir üst-öğrenicili çoklu-sınıflandırıcı
ALİCAN BÜYÜKÇAKIR
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FAZLI CAN