Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Uludağ Üniversitesi, Türkiye
Tezin Onay Tarihi: 2014
Tezin Dili: Türkçe
Öğrenci: ÖZLEM KANGA
Danışman: ERDAL EMEL
Özet:Günümüz bilgi çağında, veri madenciliği olarak da bilinen büyük miktardaki ham veriden mantıklı ve anlaşılabilir sonuçlar çıkarabilmek, önemli bir rekabet üstünlüğü yaratmaktadır. Yapay sinir ağları veri madenciliğinin bir dalı olan sınıflandırma alanında hatasıza yakın sonuçlar verdiğinden, sıkça kullanılan tekniklerden biridir. Ancak yapay sinir ağlarının kara kutu özelliği, bu tekniğin veriden açık ve net sınıflandırma kuralları çıkarma konusunda yetersiz kalmasına sebep olmaktadır. Bu çalışma eğitilmiş yapay sinir ağlarından, ikili yapay arı kolonisi tabanlı olasılık eşik değerli (İYAKO) algoritması yardımıyla, verinin tümüne genellenebilen ve doğru kurallar çıkaran bir algoritma önermektedir. Yapay arı kolonisi algoritması bal arısı kolonilerinin akıllı besin arama davranışlarından esinlenerek geliştirilmiş sürü tabanlı meta-sezgisel yöntemlerdendir. Orijinal yapay arı kolonisi algoritması, ağırlıklı olarak sürekli optimizasyon problemleri için kullanılırken, İYAKO 0-1 tam sayılı programlama problemleri için geliştirilmiştir. Çok katmanlı yapay sinir ağı modeli, ikili girdi vektörlerine karşılık gelen çıktı vektörleri üzerinden eğitilmiş ve katmanlardaki ağırlıklar elde edilmiştir. Bu ağırlıklar kullanılarak çıkış katmanındaki transfer fonksiyonundan hesaplanan değer, daha sonra İYAKO algoritmasının amaç fonksiyonu olarak kullanılmıştır. Çıkarılan kurallar üzerinde kümeleme analizi uygulanarak kural sayısı azaltılmış ve veri sınıflarını temsil eden az sayıda anlamlı kurallar bulunmuştur. Elde edilen sonuçlar literatürdeki sınıflandırma karşılaştırma veri setleri üzerinde denenmiş, çeşitli makine-öğrenimi ve kural-tabanlı algoritmalar ile karşılaştırılmıştır. Önerilen algoritmanın gösterdiği performans, kural çıkarımı için alternatif bir çözüm yöntemi olduğunu göstermektedir.