Time series classification with support vector machine and data augmentation
Destek vektör makinesi ve veri büyütme ile zaman serileri sınıflandırması
- Tez No: 852160
- Danışmanlar: PROF. DR. SOUNAK CHAKRABORTY
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2011
- Dil: İngilizce
- Üniversite: Unıversıty Of Mıssourı
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: İstatistik ve Bilgisayar Bilimleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Özet Bu projede araştırmalar arasında iki önemli sorunla ilgileniyorum; zaman serisi sınıflandırması ve veri artırma. Birinci bölümde, Dinamik Zaman Bükülmesi (DTW) adı verilen zaman serilerinin dikdörtgensel temsilinin yeni yöntemi tanıtılmaktadır. Dikdörtgen gösterimin bu yeni yöntemi, çarpıtma mesafesi kavramına dayanmaktadır. Dinamik Zaman Bükme (DTW), verilen iki (zamana bağlı) dizi arasındaki optimal hizalamayı bulmaya yönelik iyi bilinen bir tekniktir. Gen ifadesi zaman serilerinin uygulanmasında Destek Vektör Makinesi (SVM) ile başarılı girişimlerde bulunulmuştur. İkinci bölümde, EM algoritması adı verilen, eksik verilerdeki ve karışım yoğunluğundaki parametreleri tahmin etmeye yönelik yeni algoritma. EM algoritması eksik veriler ve tanımlanamayan değişkenlerle baş etme yeteneğine sahiptir. Bu nedenle çeşitli eksik veri problemlerinde kullanışlı hale gelmektedir. Spam veri setinin uygulanmasında EM algoritması ile başarılı denemeler yapılmıştır.
Özet (Çeviri)
Abstract In this project I am interesting in two major problems among researches which are time series classification and data augmentation. The new method of the rectangular representation of the time series called Dynamic Time Warping (DTW) is introduced in the first chapter. This new method of the rectangular representation is based on the notion of warping distance. Dynamic Time Warping (DTW) is a well-known technique to find optimal alignment between two given (time-dependent) sequences. Successful attempts have been made with Support Vector Machine (SVM) in the application of gene expression time series. In the second chapter, the new algorithm of estimating parameters in missing data and mixture density called EM algorithm. The EM algorithm has ability to handle with missing data and unidentified variables. Therefore it is becoming useful in variety of incomplete-data problem. Successful attempts have been made with EM algorithm in the application of spam dataset.
Benzer Tezler
- İkili zemin karışımları için özgün bir görüntü veri seti oluşturulması ve destek vektör makineleri ile sınıflandırılması analizi
Construction of an original image dataset for binary soil mixtures and classification analysis using support vector machines
MİRA BAĞMAN
Yüksek Lisans
Türkçe
2026
İnşaat Mühendisliğiİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURCU TUNGA
DOÇ. DR. MÜGE BALKAYA
- Elektrik güç sistemlerinde ferrorezonans analizi yapay zeka tabanlı tespit ve matlab simülasyonu
Ferroresonance analysis in electric power systems artificial intelligence based detection and matlab simulation
FATİH SALİHOĞLU
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YILMAZ UYAROĞLU
- Derin öğrenme ile ayak hareketlerinden kullanıcı stres durumu analizi
User stress state analysis from foot movements with deep learning
KEMAL ÖZTEL
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET GÖKTÜRK
- A case study in time series classification using machine learning and deep learning
Makine öğrenmesi ve derin öğrenme kullanılarak zaman serilerinin sınıflandırılması: Bir vaka çalışması
BARIŞ KÜÇÜK
Yüksek Lisans
İngilizce
2025
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. ATABEY KAYGUN
- Derin öğrenme yöntemleri ile zaman serisi tahmini
Time series classification with deep learning methods
HAKAN GÜNDÜZ
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE