Özellik tabanlı zaman serisi sınıflandırma yöntemlerinin performanslarının karşılaştırılması
The comparison of performances of feature based time series classification method
- Tez No: 620594
- Danışmanlar: DOÇ. DR. NEVİN GÜLER DİNCER
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Sınıflandırma, Zaman serisi sınıflandırması, özellik tabanlı zaman serisi sınıflandırması, Classification, Time series classification, feature-based time series classification
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Muğla Sıtkı Koçman Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Zaman serisi sınıflandırması (ZSS), sınıflandırmanın özel bir türüdür ve sahip oldukları karakteristik özelliklerine göre, zaman serilerinin“sınıfının”tahmin edilmesi süreci şeklinde tanımlanabilir Bu amaca yönelik olarak kullanılan yöntemleri, i) uzaklık tabanlı, ii) model tabanlı ve iii) özellik tabanlı olmak üzere 3 ana başlık altında toplamak mümkündür. Uzaklık tabanlı ZSS yöntemleri ham zaman serileri ile birlikte çalışır ve bir uzaklık fonksiyonu kullanılarak birbirine benzer olan zaman serilerinin belirlenmesine dayanır. Model tabanlı ZSS yöntemlerinin ilk adımı, her bir zaman serisi için istatistiksel yaklaşımlar, Markov modelleri, Gizli Markov Modelleri gibi modelleme teknikleri kullanılarak zaman serisinin stokastik davranışını temsil eden bir model tahmin edilmesidir. Sonraki adımında ise sınıflandırma aşamasında zaman serilerinin yerine tahmin edilen model yapısı kullanılır. Son olarak özellik tabanlı ZSS yöntemlerinde ise zaman serisi karakteristik davranışını temsil eden daha düşük boyutlu bir özellik uzayına dönüştürülür ve sınıflandırma aşamasında zaman serisinin yerine özellik vektörleri kullanılır. Bu tezin ana konusu, özellik tabanlı ZSS yöntemleri ve en iyi bilinen sınıflandırma yöntemleri ile zaman serisi özelliklerinin sınıflandırma performansını karşılaştırmaktır. Bu bağlamda, 13 sınıflandırma yöntemi, 10 zaman serisi özelliği ve UCR zaman serisi veri setlerinde değişik kategorilerde 39 veri seti kullanılmıştır. Karşılaştırmalar için her bir yöntem ve zaman serisi özelliklerinden oluşan her bir veri seti için doğru sınıflandırma oranı (D) kriteri hesaplanmıştır ve elde edilen sonuçlara göre performans değerlendirmeleri yapılmıştır.
Özet (Çeviri)
Time Series Classification (TSC) is a special type of classification and can be defined as a process of predicting“class”of time series according to their characteristics properties. The methods used for this objective can be grouped under collected three main titles as i) distance based, ii) model-based, and iii)feature based. Distance-based TSC methods work with raw data and are based on determining similar time series by using a distance measure. The first step of model-based TSC methods is that a model which represents the stochastic behavior of the time series is predicted for each time series by using modeling techniques such as, Markov models and Hidden Markov models. The next step is based on using of predicted model structure instead of time series at the classification stage. Finally, in feature-based TSC methods, time series are transformed into feature space with lower dimension and these features instead of time series are used at the classification. The main subject of this thesis is feature-based TCS methods and to compare performances of the most known classification methods and of features of time series sets. In this context, 13 classification methods, 10 features of time series and 39 UCR data that are at the different categories are used. For comparisons, accuracy rate is calculated for each method and each data set consisting of features of time series and performance evaluation is carried out according to results obtained.
Benzer Tezler
- Mikroşebekelerde ada mod çalışmanın tespiti ve güç kalitesi olaylarının sınıflandırılması için yapay zekâ tabanlı kontrol yöntemlerinin geliştirilmesi
Development of artificial intelligence based control methods for detection of islanding conditions and classification of power quality events in microgrids
ALPER YILMAZ
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiBursa Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKAY BAYRAK
- Application of deep learning methods in human activity recognition
İnsan aktivitesi tanımada derin öğrenme yöntemlerinin uygulanması
KEMAL BAYSARI
Yüksek Lisans
İngilizce
2022
Mühendislik BilimleriDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. DERYA BİRANT
- Esnek hesaplama yöntemlerinin jeodezide uygulamaları
Applications of soft computing methods in geodesy
ORHAN AKYILMAZ
Doktora
Türkçe
2005
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiJeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı
PROF.DR. TEVFİK AYAN
- Deep metric learning applied to crop classification from multi-spectral multi-temporal remote sensing data
Derin metrik öğrenmenin çoklu-zamanlı ve çoklu-bantlı uzaktan algılanmış verilerden tarım ürünü sınıflandırmaya uygulanması
MERVE BOZO
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Derin öğrenme ile cerrahi video anlama
Surgical video understanding with deep learning
ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU SARIKAYA