MAÜ GCRIS Standart veritabanının içerik oluşturulması ve kurulumu Research Ecosystems (https://www.researchecosystems.com) tarafından devam etmektedir. Bu süreçte gördüğünüz verilerde eksikler olabilir.

Midyat Meslek Yüksekokulu

Permanent URI for this communityhttps://hdl.handle.net/20.500.12514/29

Browse

Browsing Midyat Meslek Yüksekokulu by Publication Category "Gazete Makalesi - Ulusal"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • Thumbnail Image
    Master Thesis
    Belge benzerliği sonuçlarının nsga-ıı ile çok amaçlı optimizasyonu
    (2018) Hüseyin Ahmetoğlu
    Sınıflandırma algoritmalarının başarı performanslarının artırımı, veri madenciliğinin önemli amaçları arasındadır. Bu tez çalışmasında, veri madenciliği sınıflandırma başarısının sezgisel yöntemlerle arttırılması incelenmiştir. Sınıflandırmada kullanılan eğitim veri seti hem benzerlik hesap sonuçları yönünden hem de sınıflandırma yeteneği yönünden optimize edilmiştir. Aynı sınıfta olan vektörlerin benzerlik sonuçlarının maksimize edilmesi, aynı zamanda farklı sınıftaki vektörlerin benzerlik sonuçlarının minimize edilmesi amaçlanmıştır. Bu çelişen iki durum için çok amaçlı sezgisel yöntemlerden olan, Sıralı Seçkin Bastırılamayan Genetik Algoritma (NSGA II) kullanılmıştır. Hatalı sınıflandırma oranlarının, optimizasyonun her iterasyonunda sıfıra daha çok yaklaştırılması hedeflenmiştir. Bu çalışmada veri madenciliğinin tüm aşamalarının sırayla gerçekleştirilmesine özen gösterilmiştir. Ham veriler işlenerek öznitelikler çıkarılmıştır. Boyut azaltma işlemleri için ise Temel Bileşen Analizi (PCA) kullanılmıştır. Veri setleri üzerinde K En Yakın Komşu Algoritması (KNN) kullanılarak yalın haldeki sınıflandırma başarıları ile optimizasyon sonrası sınıflandırma başarıları karşılaştırılmıştır. Optimizasyonun, eğitim veri setinin sınıflandırma yeteneğini arttırdığı görülmüştür. Optimize edilmiş veriler, eğitim kümesi olarak kullanıldığında sınıflandırma başarısında artış gözlemlenmiştir.
  • Thumbnail Image
    Conference Object
    A REVIEW OF MULTI OBJECTIVE OPTIMIZATION
    (2016) Hüseyin Ahmetoğlu
    Merging systems, enhancing inter-disciplinary relations and increasing needs require multi objectives rather than a single objective in the optimization problems nowadays. However, the objectives are frequently conflicting. When an objective is improved, the other objective(s) may deteriorate. In the multi-objective optimization problems (MOOPs), the aim is to come up with the best solutions that can be an alternative for each other in terms of objective function values under the constraints caused by various reasons. During the last two decades, MOOPs and solution methods have been studied with great interest. It is possible to come across a MOOP in almost every discipline in the literature. MOOPs have been modelled and solved not only in the fields with more applications such as production, management, business administration, marketing, transportation and finance but also in the basic sciences such as chemistry, maths and statistics. Solution of MOOPs requires the simultaneous optimization of conflicting multi objectives. In MOOPs, an optimal solution set on which a compromise is reached among the conflicting objectives is obtained. In this study, the articles on multi-objective optimization written in 2015 and later are analysed and 61 articles are chosen among them. Classical and heuristic methods implemented for the solution of MOOPs presented in these articles are mentioned. The articles are classified according to their subject areas. The methodology used in each article is identified. According to their implementation areas, the multi-objective optimization methods and the areas they are implemented the most are discussed. The areas to be focused on in the future studies to obtain more robust results in the optimization are identified.