Multilabel classification with neural network
Yapay sinir ağları ile çok etiketli sınıflandırma
- Tez No: 758704
- Danışmanlar: DOÇ. DR. OKAN ÖRSAN ÖZENER
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: K-En Yakın Komşu Algoritması, Sınıflandırma, Veri setleri, Yapay sinir ağları, K-Nearest Neighbor Algorithm, Classification, Data sets, Artificial neural networks
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Özyeğin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Veri Bilimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Çok etiketli sınıflandırma, birçok uygulama için büyük öneme sahiptir, aynı zamanda zorlu bir araştırma konusudur. İkili hedefler içeren bir tür denetimli öğrenmedir. Çok etiketli sınıflandırma problemlerinde çok etiketli ve ikili sınıflandırma arasındaki mesafe, birden fazla sınıfa sahip olmaktır. Özellikler bir sınıfa veya birçok sınıfa ait olabilir. Görüntü etiketleme, metin kategorizasyonu, gen işlevselliği gibi çok etiketli tahmin için geniş bir uygulama yelpazesi bulunmaktadır. Özellikler birçok sınıfta sınıflandırılmış olsa da, her zaman uygun şekilde sınıflandırılamayabilirler. Sınıflandırma için birçok topluluk yöntemi vardır. Bununla birlikte, araştırmacıların çoğu, daha iyi çoklu etiket yöntemleri konusunda endişe duymaktadır. Özellikle bazıları, daha iyi çok etiketli sınıflandırma uygulamak için hem sınıflandırıcıların verimliliğine hem de ikili bağlara aynı anda odaklanır. Bu çalışmada, sorunları yararlı bir şekilde ele almak ve çok etiketli sınıflandırmadan daha iyi etkiler elde etmek için k - En Yakın Komşu algoritmasından ve yapay sinir ağı yapısından sırayla yararlanarak değiştirilmiş topluluk yöntemleri üzerinde çalıştık. Farklı veri setleri üzerinde algoritmamızı uyguladık. Algoritmamız, farklı metriklere sahip her veri kümesi için kıyaslamalardan daha iyi performans gösterir. Algoritmanın sonucu, en gelişmiş sonuçlarla rekabet edebilir ölçüdedir ve doğruluk açısından rakiplerini geçen sonuçlar elde edilmiştir.
Özet (Çeviri)
Multi-label classification has huge importance for several applications, it is also a challenging research topic. It is a kind of supervised learning that contains binary targets. The distance between multilabel and binary classification is having more than one class in multilabel classification problems. Features can belong to one class or many classes. There exists a wide range of applications for multi-label prediction such as image labeling, text categorization, gene functionality. Even though features are classified in many classes, they may not always be properly classified. There are many ensemble methods for classification. However, most of the researchers have been concerned about better multi-label methods. Especially little ones focus on both efficiency of classifiers and pairwise relationships at the same time to implement better multi-label classification. In this paper, we worked on modified ensemble methods by getting benefits from k-Nearest Neighbors and neural network structure sequentially to address issues beneficially and to get better impacts from the multi-label classification. Publicly available datasets (yeast, emotion, scene, and birds) are performed to demonstrate the developed algorithm efficiency, and the technique is measured. Our algorithm outperforms benchmarks for each dataset with different metrics. The result of the algorithm is competitive with the state-of-the-art results. Especially, in the weighted average of false-positive minimization and false-negative minimization, the algorithm passes the benchmarks.
Benzer Tezler
- Vision transformer network implementation for multi-label image classification
Çoklu etiketli görüntü sınıflandırması için görüntü dönüştürücü ağ uygulaması
EMRE AKKAŞ
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiBaşkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELDA GÜNEY
- Görüntü sınıflandırması için yapay sinir ağlarının analiz ve optimizasyonu
Analysis and optimization of artificial neural networks for image classification
OZAN ARSLAN
Doktora
Türkçe
2001
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiPROF. DR. OĞUZ MÜFTÜOĞLU
PROF. DR. CANKUT ÖRMECİ
- Çizge ve içerik verilerinde kolektif sınıflandırma algoritmalarının karşılaştırılması
A comparison of collective classification techniques on network and content data
ÖZGE ATASEVEN
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YUSUF YASLAN
- Automatic arrhythmia classification from electrocardiogram measurements with deep learning
Derin öğrenme ile elektrokardiyogram ölçümlerinden otomatik aritmi sınıflandırma
BERKCAN YURTSEVER
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. EBRU AKÇAPINAR SEZER
- Multi-approached histopathology images classification
Çoklu yaklaşimli histopatoloji görüntülerinin siniflandirilmasi
ALI HUSSEIN ABDULWAHHAB ABDULWAHHAB
Doktora
İngilizce
2025
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZ BAYAT