10 results
Search Results
Now showing 1 - 10 of 10
Doctoral Thesis Farklı Derin Öğrenme Teknikleri ve Meta-sezgisel Algoritmalara Dayalı Tıbbi Veri Kümesi Sınıflandırması(2023) Kadhım, Yezı Alı; Mıshra, Alok; Doruk, Reşat ÖzgürTıp, bilgisayar bilimindeki ilerlemenin önemli ilerleme kaydettiği alanlardan biridir. Bilgisayarların Tıpta kullanımı kesinliği artırır ve veri işlemeyi ve teşhisi hızlandırır. Şu anda, derin öğrenme algoritmalarının önemli bir rol oynadığı çeşitli bilgisayar destekli teşhis sistemleri bulunmaktadır. Daha hassas ve daha hızlı sistemlere ihtiyaç vardır. Bilgisayar destekli teşhis (CAD), yıllar içinde teşhis tahmini için etkili ve doğru bir yöntem olduğunu kanıtlamıştır. Bu çalışma, teşhisi olabildiğince doğru bir şekilde gerçekleştirmek amacıyla otomatik bir CAD sisteminin geliştirilmesine odaklanmaktadır. Derin öğrenme yöntemleri, tıbbi görüntü veri kümeleri üzerinde etkileyici sonuçlar üretebilmiştir. Bu tezde, iki farklı tıbbi veri kümesinden COVID-19, ve birkaç tıbbi veri seti tespitini kapsayacak şekilde en uygun özellikleri seçmek için meta-sezgisel yöntemin yardımıyla beyin tümörü. Birkaç önceden eğitilmiş evrişimli sinir ağı (CNN) AlexNet, GoogleNet, ResNet 50 ve DenseNet 201'in ilk kombinasyonu, üç tür Meta-Sezgisel Algoritma Karınca Kolonisi Optimizasyon algoritması (ACO), Particle Swarm Optimization algoritması (PSO), ve Genetik Algoritma (GA). İkinci kombinasyon, verilerin orijinal performansını korurken veri kümesinin boyutunu küçültmeyi amaçlayan yenilikçi bir yöntem olan üç tür Meta-Sezgisel Algoritma ACO, PSO ve GA ile Otomatik kodlayıcıydı. Doğru bir teşhis gerçekleştirmek için meta-sezgisel algoritmalar ve denetimli makine öğrenimi algoritmaları ile birlikte derin öğrenme yöntemlerinin kullanılması. Özellik çıkarımı için önceden eğitilmiş evrişimli sinir ağları (CNN'ler) veya otomatik kodlayıcı kullanılırken, özellik seçimi ACO veya PSO veya GA kullanılarak gerçekleştirilir. Karınca kolonisi optimizasyonu, veri miktarını azaltırken en iyi optimum özelliklerin aranmasına yardımcı olur. Son olarak, tanı tahmini (sınıflandırma), öğrenilebilir sınıflandırıcılar kullanılarak gerçekleştirilir. Özelliklerin çıkarılması ve seçilmesi için yeni çerçeve, derin öğrenme, otomatik kodlayıcı ve ACO'ya dayanmaktadır. Önerilen kombinasyonun performansı, iki tıbbi görüntü veri seti kullanılarak karar ağacı (DT), destek vektör makinesi (SVM), k-en yakın komşular (KNN), topluluk, Naive Bayes ve diskriminant gibi sınıflandırıcılarla değerlendirilir: göğüs röntgeni (COVID-19 ve beyin tümörlerinin varlığının tahmini için CXR) ve manyetik rezonans görüntüleme (MRI). Doğruluk, önerilen yaklaşımın performansını mevcut son teknoloji yöntemlerle karşılaştırmak için ana ölçü olarak kullanılır. Önerilen sistem, sırasıyla COVID-19 ve beyin tümörlerinin varlığını teşhis etmede diğer tüm yöntemleri geride bırakarak ortalama %99,61 ve %99,18 doğruluk elde ediyor. Elde edilen sonuçlara dayanarak, doktorların veya radyologların önerilen yaklaşımı COVID-19 hastalarının ve spesifik beyin tümörü olan hastaların teşhisinde güvenle kullanabilecekleri söylenebilir. Ayrıca bu tezde, farklı derin öğrenme tekniklerinin meta-sezgisel algoritma ile bir kombinasyonu, evrişimli sinir ağı veya otomatik kodlayıcı derin öğrenme yöntemlerinin her biri, iki farklı tıbbi veri setinden etkili özellikleri çıkarmak için uygulandı. Parçacık Sürü Optimizasyon Algoritması (PSO) tarafından elde edilen optimal özellikleri seçmek için meta-sezgisel yöntemin yardımıyla, yenilikçi bir yöntem olarak kabul edilen bu kombinasyon, verilerin orijinal performansını korurken veri kümesinin boyutunu küçültmeyi amaçlamaktadır. Kovid-19 veri seti, CNN-PSO-SVM kombinasyonu ile en yüksek doğruluğun %99,76 olduğunu ve ortak beyin tümörü veri seti için en yüksek doğruluk olarak %99,51'lik doğruluğun, otomatik kodlayıcı-PSO-KNN kombinasyon yöntemiyle elde edildiğini buldu. . Derin öğrenme yönteminin PSO özellik seçim algoritması ile kombinasyon modelinin, ACO algoritması ile aynı yönteme göre çok daha uzun zaman aldığını ve aynı zamanda PSO'nun doğruluğunun ACO doğruluğuna yakın olduğunu fark ettik.Article Citation - WoS: 31Citation - Scopus: 50Neural Network and Classification Approach in Identifying Customer Behavior in the Banking Sector: a Case Study of an International Bank(Wiley, 2015) Ogwueleka, Francisca Nonyelum; Misra, Sanjay; Colomo-Palacios, Ricardo; Fernandez, LuisThe customer relationship focus for banks is in development of main competencies and strategies of building strong profitable customer relationships through considering and managing the customer impression, influence on the culture of the bank, satisfactory treatment, and assessment of valued relationship building. Artificial neural networks (ANNs) are used after data segmentation and classification, where the designed model register records into two class sets, that is, the training and testing sets. ANN predicts new customer behavior from previously observed customer behavior after executing the process of learning from existing data. This article proposes an ANN model, which is developed using a six-step procedure. The back-propagation algorithm is used to train the ANN by adjusting its weights to minimize the difference between the current ANN output and the desired output. An evaluation process is conducted to determine whether the ANN has learned how to perform. The training process is halted periodically, and its performance is tested until an acceptable result is obtained. The principles underlying detection software are grounded in classical statistical decision theory.Conference Object Citation - Scopus: 3Gender Prediction by Using Local Binary Pattern and K Nearest Neighbor and Discriminant Analysis Classifications;(Institute of Electrical and Electronics Engineers Inc., 2016) Camalan,S.; Sengul,G.In this study, gender prediction is investigated for the face images. To extract the features of the images, Local Binary Pattern (LBP) is used with its different parameters. To classify the images male or female, K-Nearest Neighbors (KNN) and Discriminant Analysis (DA) methods are used. Their performances according to the LBP parameters are compared. Also classification methods' parameters are changed and the comparison results are shown. These methods are applied on FERET database with 530 female and 731 male images. To have better performance, the face parts of the images are cropped then feature extraction and classification methods applied on the face part of the images. © 2016 IEEE.Article Citation - Scopus: 12Classification of parasite egg cells using gray level cooccurence matrix and kNN(Scientific Publishers of India, 2016) Şengül,G.Parasite eggs are around 20 to 80 μm dimensions, and they can be seen under microscopes only and their detection requires visual analyses of microscopic images, which requires human expertise and long analysis time. Besides visual analysis is very error prone to human procedures. In order to automatize this process, a number of studies are proposed in the literature. But there is still a gap between the preferred performance and the reported ones and it is necessary to increase the performance of the automatic parasite egg classification approaches. In this study a learning based statistical pattern recognition approach for parasite egg classification is proposed that will both decrease the time required for the manual classification by an expert and increase the performance of the previously suggested automated parasite egg classification approaches. The proposed method uses Gray-Level Co-occurrence Matrix as the feature extractor, which is a texture based statistical method that can differentiate the parasite egg cells based on their textures, and the k-Nearest Neighbourhood (kNN) classifier for the classification. The proposed method is tested on 14 parasite egg types commonly seen in humans. The results show that proposed method can classify the parasite egg cells with a performance rate of 99%. © 2016, Scientific Publishers of India. All rights reserved.Article Citation - WoS: 34Citation - Scopus: 59A Review of Soft Techniques for Sms Spam Classification: Methods, Approaches and Applications(Pergamon-elsevier Science Ltd, 2019) Abayomi-Alli, Olusola; Misra, Sanjay; Abayomi-Alli, Adebayo; Odusami, ModupeBackground: The easy accessibility and simplicity of Short Message Services (SMS) have made it attractive to malicious users thereby incurring unnecessary costing on the mobile users and the Network providers' resources. Aim: The aim of this paper is to identify and review existing state of the art methodology for SMS spam based on some certain metrics: AI methods and techniques, approaches and deployed environment and the overall acceptability of existing SMS applications. Methodology: This study explored eleven databases which include IEEE, Science Direct, Springer, Wiley, ACM, DBLP, Emerald, SU, Sage, Google Scholar, and Taylor and Francis, a total number of 1198 publications were found. Several screening criteria were conducted for relevant papers such as duplicate removal, removal based on irrelevancy, abstract eligibility based on the removal of papers with ambiguity (undefined methodology). Finally, 83 papers were identified for depth analysis and relevance. A quantitative evaluation was conducted on the selected studies using seven search strategies (SS): source, methods/ techniques, AI approach, architecture, status, datasets and SMS spam mobile applications. Result: A Quantitative Analysis (QA) was conducted on the selected studies and the result based on existing methodology for classification shows that machine learning gave the highest result with 49% with algorithms such as Bayesian and support vector machines showing highest usage. Unlike statistical analysis with 39% and evolutionary algorithms gave 12%. However, the QA for feature selection methods shows that more studies utilized document frequency, term frequency and n-grams techniques for effective features selection process. Result based on existing approaches for content-based, non-content and hybrid approaches is 83%, 5%, and 12% respectively. The QA based on architecture shows that 25% of existing solutions are deployed on the client side, 19% on server-side, 6% collaborative and 50% unspecified. This survey was able to identify the status of existing SMS spam research as 35% of existing study was based on proposed new methods using existing algorithms and 29% based on only evaluation of existing algorithms, 20% was based on proposed methods only. Conclusion: This study concludes with very interesting findings which shows that the majority of existing SMS spam filtering solutions are still between the "Proposed" status or "Proposed and Evaluated" status. In addition, the taxonomy of existing state of the art methodologies is developed and it is concluded that 8.23% of Android users actually utilize this existing SMS anti-spam applications. Our study also concludes that there is a need for researchers to exploit all security methods and algorithm to secure SMS thus enhancing further classification in other short message platforms. A new English SMS spam dataset is also generated for future research efforts in Text mining, Tele-marketing for reducing global spam activities.Article Citation - WoS: 9Citation - Scopus: 8New Computational Methods for Classification Problems in the Existence of Outliers Based on Conic Quadratic Optimization(Taylor & Francis inc, 2020) Yerlikaya-Ozkurt, Fatma; Taylan, PakizeMost of the statistical research involves classification which is a procedure utilized to establish prediction models to set apart and classify new observations in the dataset from every fields of science, technology, and economics. However, these models may give misclassification results when dataset contains outliers (extreme data points). Therefore, we dealt with outliers in classification problem: firstly, by combining robustness of mean-shift outlier model and then stability of Tikhonov regularization based on continuous optimization method called Conic Quadratic Programming. These new methodologies are performed on classification dataset within the existence of outliers, and the results are compared with parametric model by using well-known performance measures.Article Citation - WoS: 6Classification of Parasite Egg Cells Using Gray Level Cooccurence Matrix and Knn(Scientific Publishers india, 2016) Sengul, GokhanParasite eggs are around 20 to 80 mu m dimensions, and they can be seen under microscopes only and their detection requires visual analyses of microscopic images, which requires human expertise and long analysis time. Besides visual analysis is very error prone to human procedures. In order to automatize this process, a number of studies are proposed in the literature. But there is still a gap between the preferred performance and the reported ones and it is necessary to increase the performance of the automatic parasite egg classification approaches. In this study a learning based statistical pattern recognition approach for parasite egg classification is proposed that will both decrease the time required for the manual classification by an expert and increase the performance of the previously suggested automated parasite egg classification approaches. The proposed method uses Gray-Level Co-occurrence Matrix as the feature extractor, which is a texture based statistical method that can differentiate the parasite egg cells based on their textures, and the k-Nearest Neighbourhood (kNN) classifier for the classification. The proposed method is tested on 14 parasite egg types commonly seen in humans. The results show that proposed method can classify the parasite egg cells with a performance rate of 99%.Conference Object Citation - WoS: 1Gender Prediction by Using Local Binary Pattern and K Nearest Neighbor and Discriminant Analysis Classifications(Ieee, 2016) Camalan, Seda; Çamalan, Seda; Sengul, Gokhan; Şengül, Gökhan; Çamalan, Seda; Şengül, Gökhan; Information Systems Engineering; Computer Engineering; Information Systems Engineering; Computer EngineeringIn this study, gender prediction is investigated for the face images. To extract the features of the images, Local Binary Pattern (LBP) is used with its different parameters. To classify the images male or female, K-Nearest Neighbors (KNN) and Discriminant Analysis (DA) methods are used. Their performances according to the LBP parameters are compared. Also classification methods' parameters are changed and the comparison results are shown. These methods are applied on FERET database with 530 female and 731 male images. To have better performance, the face parts of the images are cropped then feature extraction and classification methods applied on the face part of the images.Conference Object Citation - Scopus: 5An Rfid Based Location Finding and Tracking With Guidance(2008) Oktem,R.; Aydin,E.U.; Cagiltay,N.E.This paper tackles an RFID based location finding and tracking system. The system is an integral part of a navigation aid being developed for guiding visually disabled people in a store. The aid is composed of a portable hardware interface unit, a standalone RFID unit, and a central processing unit. The units interact via wireless communication to locate the position of the user in a known indoor environment and tracking his/her movement. An active RFID tag helps to estimate the location of a user and the user is guided to follow a route accordingly, via a tactile compass. The system uses RF signal strengths and is based on Bayes Decision Theory. Initial simulation results with the system prove promising for location finding and tracking, especially when the tracked person is guided by a system. © 2008 IEEE.Master Thesis Eşli Programlamanın Akış Şemalarının Anlaşılabilirliğine Etkisi: C Programlama Dersinde Bir Durum Çalışması(2022) Khudhur, Omar Mohammed; Topallı, DamlaAlgoritma oluşturma, programlama öğrenmede birinci sınıf bilgisayar bilimi öğrencileri için öğrenilmesi gereken en önemli kavramlardan biridir. Ancak çoğu öğrencinin algoritma oluşturmayı ve algoritmaları akış şemaları gibi bir tasarım yöntemleri ile ifade etmekte zorlandıkları gözlemlenmiştir. Bu kapsamda bu tez çalışmasında, eşli programlama yaklaşımının akış diyagramlarının anlaşılabilirliğine etkisinin araştırılması ve 1. Sınıf bilgisayar bilimleri öğrencilerinin C programlama dersindeki bu konu üzerinde başarılarının değerlendirilmesi amaçlanmıştır. Eşli programlama, öğrencilerin bir kod veya tasarım üzerinde çalışırken akranlarıyla etkileşim ve iletişim kurmasını sağlayan bir tekniktir. Buna göre, bu tezde akış diyagramları üzerinde çalışırken ikili programlamanın hata tespit performansı üzerindeki etkisini daha iyi anlamak için tek ve eşli olmak üzere iki grupla deneysel bir çalışma yapılmıştır. İkinci olarak, sınıflandırma algoritmaları kullanılarak eşli ve tek grupların performanslarının sınıflandırılması araştırılmıştır. Son olarak, her iki grubun akış diyagramları ile ilgili derste kaydettiği ilerleme, ön test ve son test deneysel tasarımına dayalı olarak karşılaştırılmış ve analiz edilmiştir. Çalışmanın sonuçları, eşli grubun tek çalışan gruba göre akış diyagramlarında daha fazla hatayı doğru tespit ettiğini göstermiştir. Akış diyagramları üzerinde hata tespit performanslarına göre kullanılarak tek ve eşli grupları ayırt edilebilmek için öznitelik seçme yöntemleri ve çeşitli sınıflandırma algoritmaları kullanılmış olup karar ağacı (J48) ve kural tabanlı PART algoritmaları uygulandığında elde edilen en yüksek doğruluk yaklaşık olarak %70 olup, bu değer sınıflandırma başarısı açısından düşüktür. Ön test ve son test analiz sonuçlarına göre, başlangıçta bu gruplar arasında anlamlı bir fark yoktur, ancak son test sonuçları, eşli grubun tek gruba göre sınav puanları dikkate alındığında daha başarılı olduklarını ortaya koymaktadır. Bu sonuçlar, C derslerinde eşli programlama tekniğinin kullanımının, algoritma oluşturma ve programlamayı öğrenmede öğrenci motivasyonunu ve başarısını artırabileceğini göstermektedir. Gelecekte yapılacak çalışmalarda bu tekniğin yazılım ve bilişim şirketleri için kullanımının araştırılması ile, senkronize olarak çalışabilecek etkin eşli grupların oluşturulmasının projelerin verimliliğini artırması beklenmektedir.
