1,691
Archived Theses
0
DOIs Assigned
0%
DOI Rate
Discipline
Web üzerinden PDF dokümanlarının yönetimi
Birçok kurum, kişi ve kuruluş kullandığı dokümanlar üzerinde hızlı bir erişim, yönetim ve organizasyon sağlamayı istemektedir. Bu amaçla, kullandıkları dokümanları fiziksel dosya veya klasörlerde saklamak yerine bilgisayar destekli elektronik dosyalama sistemini kullanırlar. Taşınabilir doküman formatı (PDF), diğer elektronik dosyalama sistemlerine göre birtakım üstün özellikler içerir. Bu çalışmada; elektronik kitaplar, tezler ve teknik raporlar gibi çeşitli PDF dokümanları içerisinde veya dokümanların sayfa imleri üzerinde bir sözcük ya da sözcük öbeğinin arama işleminin yapılması ve sonuçların yeni bir PDF dokümanı olarak üretilmesi gösterilmiştir. Bu yapı; PDF formatında doküman oluşturma, dokümanın çıktı biriminin belirlenmesi, dokümanın açılması, dokümana içerik eklenmesi, doküman içeriği veya sayfa imleri üzerinde aranan bir metinin bulunması, veritabanı içindeki bir tablo üzerinde gerçekleştirilen bir sorgu sonucunun PDF dokümanı olarak üretilmesi ve PDF dokümanının belirli bir kısmının görüntülenmesi gibi parçalardan oluşur. Java programlama dilinde geliştirilen çatı, JSP sunucuları üzerinde çalıştırılacak web uygulamalarına kolaylıkla yerleştirilebilir.
Siluetlerden üretilen yürüyüş biyometrisine dayalı kimliklendirme
Güvenilir, hızlı ve otomatik şekilde, kimlik tespiti ve doğrulaması yapabilen biyometrik sistemler, kriminal vakalarda ve güvenlik gerektiren alanlarda, biyometrik özellikleri ilgi odağı haline getirmiştir. Son zamanlarda yüz ve yürüyüş şekli biyometrik özelliklerinin ölçülmesi çalışmalarıyla, güvenliği tehdit edici, terörizm gibi insan temelli olayları önceden tahmin edebilmek amaçlanmaktadır. Diğerlerine göre yürüyüş şekli, düşük çözünürlükteki kameralarla uzaktan, termal ve kızılötesi kameralarla karanlıkta ve karmaşık ortamlarda alınabilen, gizlenmesi ve taklidi zor olan bir biyometrik özelliktir. Bu özellikleriyle ilgi toplayan yürüyüş şekli, yakın gelecekte önemli güvenlik noktalarında biyometrik sistemlere hizmet edecektir.Yürüyüş şeklini belirlemek için, video akışında kişinin modeli oluşturulur veya siluetten yürüyüş örüntüleri üretilir. Sonra model veya örüntülerdeki dinamik değişimlerin makine öğrenmesi yaklaşımlarıyla yürüyüş imzaları çıkartılır. Daha sonra çevrimiçi üretilen imzaların, referans imzalarıyla benzeşimleri hesaplanarak tanıma gerçekleştirilir.Bu tezde, yürüyüş şeklinin siluetlerden üretilen yürüyüş örüntüsüne dayalı belirlenmesine ve tanınmasına çalışılmıştır. Bunun için yürüyüş örüntülerinden doğrusal ve doğrusal olmayan uzaylarda yapılan analizlerle, küçük boyutlarda yürüyüş imzaları üretilip, birbirine benzeşimleri en yakın komşuluk (EYK) ve destek vektör makineleri (DVM) ile hesaplanmıştır. Bu çalışmada yürüyüş örüntüsü üretme, Gauss çekirdek fonksiyonu için otomatik parametre kestirimi, sınıflandırılacak özniteliklerin normalizasyonu ve örnekler arası uzaklık hesaplamalarında katkılar yapılmıştır. Ayrıca özellik çıkarımı için yürüyüş örüntülerinde daha önce denenmemiş direk doğrusal ayrıştırma analizi (D-DAA) ve çekirdek direk ayrıştırma analizi (ÇDAA) yaklaşımları uygulanmıştır. Geliştirilen gerçek zamanlı sistemlere uyarlanabilir uygulamalarla, yaygın kullanılan CMU, SOTON, USF ve CASIA uluslar arası yürüyüş veritabanlarında performans artışı sağlanmıştır.
Yapay sinir ağları optimizasyon algoritmalarının banka özkaynak karlılığı tahmini üzerinde karşılaştırmalı performans analizi
Bir ülkenin finansal sisteminin en önemli parçası olan bankacılık sektörünün performansını ve karlılığını ölçmek her zaman önemlidir. Performans ölçümü sayesinde bankalar rekabet durumunu, büyüme potansiyellerini ve riskleri değerlendirebilir ve faaliyetlerini sürdürmede daha başarılı olabilirler. Literatürde, bankacılık performans değerlendirmesinde yapay sinir ağları (YSA) nadiren kullanılmıştır. Bu nedenle, mevcut tezde bankaların performanslarını kestirmek için YSA kullanımının derinlemesine incelenmesi hedeflenmiştir. Amaç, bir dizi finansal parametreler verildiğinde, YSA hesaplama yöntemlerini kullanarak bankaların özkaynak getirilerini tahmin etmektir. Tez, Türkiye'deki tüm mevduat bankaları ele alınarak gerçekleştirilmiştir. Bağımsız değişkenler olarak kabul edilen 6 dış ve 8 iç parametrenin 11 yıla ait çeyrek dönemlik verileri kullanılmıştır. Veri kümesi; Bankacılık Düzenleme ve Denetleme Kurumu, Türkiye Bankalar Birliği, Türkiye İstatistik Kurumu ve Türkiye Cumhuriyet Merkez Bankası bilgilerine dayanarak oluşturulmuştur. Çeşitli YSA optimizasyon algoritmalarının, bağımlı değişken olarak alınan banka özkaynak getirisini tahmin etme başarıları karşılaştırılmıştır. Yapılan sayısal deneyler sonucunda, kullanılan tüm YSA yöntemlerinin %80'in üzerinde doğruluk payı ile özkaynak karlılığını tahmin ettikleri görülmüştür. Ayrıca, en iyi YSA yönteminin her banka için farklı olduğu gözlemlenmiştir. Lineer regresyon yöntemi ile karşılaştırma, YSA yöntemlerinin daha başarılı olduklarını göstermiştir.
Recognizing visual places from landscapes with zero-shot learning
Image processing and deep learning methods are being developed day by day and the need of recognizing objects and extracting information from visual-based digital multimedia data like pictures and videos is increasing. Therefore, the algorithms are also changing rapidly to meet the requirements of the tasks in everyday life. Zero-shot learning is a new topic and it encourages having small datasets. It still accomplishes the recognition task efficiently. As the name implies, Zero-shot learning is the process of making predictions for the unseen or untrained categories of data based on some amount of data that is learned by the training process earlier. In this study, visual recognition which is based on detecting the city, country, and continent is investigated. There is no or enough similar work on this problem up to now. The unseen places are recognized by training on similar places by categorizing the cities, countries, and continents. Labels and some auxiliary features like a 3D color histogram and GIST features are used to increase the detection accuracy. A new dataset is created for this study and with this work, the importance of the amount of data in the dataset is discussed and various metrics like performance and duration are demonstrated. Also, the comparison with the regular training problem setup is discussed. After all the results are examined, it is seen that ZSL performs better when search space is constrained with only unseen classes at test time. Also, the original generalized ZSL method performs better than the other generalized ZSL method and also inductive ZSL. Compared to traditional learning, various ZSL methods can give sufficient results too.
İstatistiksel analiz yöntemleri ve makine öğrenme yöntemleri ile film başarı tahmini
Film endüstrisinde başarılı bir sinema filmi çekmek için büyük yatırımlar yapılmaktadır. Ancak, büyük yatırımlara rağmen, beklenildiği gibi başarılı olamayan bazı film örnekleri mevcuttur. Bu nedenle, bir filmin başarısını büyük ölçekte tahmin etmek, film yapımcıları için film vizyona girmeden önce çok önemlidir. Bu çalışmada, yapımcılara film yatırımı konusunda bir öngörü sağlamak için sınıflandırmaya dayalı bir tahmin modeli geliştirilmesi amaçlanmıştır. Bir filmin başarısını tahmin etmek için önerilen modelde farklı istatistiksel analiz ve makine öğrenmesi yaklaşımları kullanılmıştır. Esas olarak, hangi film özelliğinin filmin başarısı ile yüksek oranda ilişkili olduğunu ve film başarısını tahmin etmede hangi makine öğrenme tekniğinin daha iyi olduğunu tespit etmeye odaklanılmıştır. Bunun için öncelikle ki-kare (chi-square) analizi ve varyans analizi testi kullanılarak istatistiksel bir analiz yapılmıştır. Ardından sınıflandırma yöntemlerinden Rastgele Orman (Random Forest), Destek Vektör Makinesi (Support Vector Machine) ve Yapay Sinir Ağı (Artificial Neural Network), regresyon yöntemlerinden, Çoklu Doğrusal Regresyon (Multi Linear Regression), Destek Vektör Regresyon (Support Vector Regression), Rastgele Orman Regresyon (Random Forest Regression) gibi farklı makine öğrenme teknikleri kullanılarak karşılaştırmalı bir analiz yapılmıştır. Deneysel sonuçlar, bir filmin başarısının en önemli belirleyicilerinin "oyOrtalamasi", "oySayisi", "gelir" ve "butce" olduğunu göstermektedir. Bunun yanı sıra Rastgele Orman, diğer makine öğrenme yöntemleri arasında film başarısını tahmin etmede %96 doğruluk (accuracy) oranıyla başarılı olmuştur. Destek Vektör Regresyon, diğer regresyon yöntemleri arasında film başarı tahmin etmede 1.77 Kök Ortalama Kare Hatası (Root Mean Square Error, RMSE) değeri ile başarılı olmuştur.
Genomik veri tabanlarında metin tabanlı deney geri getirimi
Genomik veriden biyolojiksel bilginin çıkarımı biyoinformatik alanında oldukça önemlidir. Genomik veri deneysel ölçümler, sekans verileri, network olmak üzere farklı veri formatlarında saklanmaktadır. Bu veri yapılarının GEO (Gene Expression Omnibus), ArrayExpress ve GenBank gibi veri tabanlarında hızla artan miktarları ile birlikte doğru ve ilgili veriye ulaşmak önemli bir konu haline gelmiştir. Çalışmada veri tabanlarının deney benzerliklerini bulma yetersizliğinin giderilmesi amacı ile genomik veri tabanlarından ilgili deneylerin geri getirimi için metin tabanlı bir geri getirim alt yapısı geliştirilmesi hedeflenmiştir. Geliştirilen alt yapıda sözcük tabanlı (lexical) ve anlam (semantic) tabanlı benzerlik bulma yöntemleri kullanılıp, yöntem performansları kıyaslanmıştır. Sözcük tabanlı yöntem olarak Jaccard benzerlik metriği kullanılırken, anlam tabanlı benzerlik yöntemleri olarak Latent Semantic Analysis (LSA), Probabilistic Latent Semantic Analysis (PLSA) ve Latent Dirichlet Allocation (LDA) yöntemleri kullanılmıştır. Bildiğimiz kadarıyla, bu çalışma ilk kez anlamsal benzerlik yöntemlerini zaman serisi mikrodizi deneylerinin geri getiriminde kullanan çalışmadır. Sistem performansı, GEO veri tabanından alınan Arabidopsis Thaliana bitkisine ait 120 farklı zaman serisi deneyinin açıklama metinleri ile test edilmiş ve elde edilen deneysel sonuçların biyolojiksel ve istatiksel anlamlılıkları doğrulanmıştır. Sonuçlara göre anlam tabanlı yöntemlerin ilgili deneyleri tespit etmede sözcük ve içerik-tabanlı geri getirim yöntemlerine göre daha başarılı olduğu gözlemlenmiştir. Geliştirilen sistemin mevcut deney geri getirim alt yapılarına göre daha başarılı performans elde etmesi ile gelecek çalışmalara ışık tutması beklenmektedir. Aynı zamanda geliştirilen alt yapı farklı türdeki genomik verilerin benzerliklerini bulmak için kolaylıkla uyarlanabilecek bir sistemdir.
Recent standards in software testing and an application
The major objective of this thesis is to study the techniques and methodologies that have been used in practice for Software Testing and understand their relevance to existing international standards. During the literature survey phase of the study a package of standards, namely ISO/IEC/IEEE 29119 Standard, was discovered. Six parts of this standard covers various topics such as Concepts and Definitions, Test Processes, Test Documentation, Test Techniques, Keyword-driven Testing and finally a Guideline for Software Testing. The last part of this standard was published in July 2021. Thus, it is quite a recent standard in the field of Software Testing. Therefore, an application in Software Testing field may be considered as a valuable contribution using the relevant parts of this standard. With the aim of a real life application an available open-source Software Requirements Specification (SRS) in Banking Sector is used. During the thesis study, ISO/IEC/IEEE 29119 Standard is applied on that available SRS. Since an available SRS is used in the application, testing became quite easy. Extension of the study is also included in the Conclusions Chapter of the thesis.
FPGA tabanlı uzun kısa-süreli bellek yapay sinir ağı ile darbesel sinyal tespiti
Bu tez çalışmasında, elektronik harp destek sistemlerinde de önemli bir rolü olan darbesel sinyal tespit uygulamaları için FPGA tabanlı bir Uzun Kısa-Süreli Bellek yapay sinir ağı önerilmiştir. Sinyal almacı tarafından toplanan darbesel sinyal örnekleri üzerinde herhangi bir işlem yapmadan sadece ham veriler kullanılarak düşük sinyal gürültü oranı (SGO) seviyelerinde yaygın sinyal tespit yöntemi olan Sabit Yanlış Alarm Oranı (SYAO) (Constant False Alarm Rate) yöntemi ile tespit edilemeyen darbesel sinyallerin önerilen bu yöntem ile tespit edilmesi hedeflenmiştir. Daha önce gerçekleştirilen benzer çalışmalar Uzun Kısa-Süreli Bellek sinir ağlarının düşük SGO seviyelerinde yüksek başarı oranı ile sinyal tespiti yapabildiğini göstermektedir. Benzer çalışmalara ek olarak bu tez çalışmasında FPGA tabanlı bir Uzun Kısa-Süreli Bellek sinir ağı çalışması yapılmıştır ve -5 dB SGO seviyesinde %94 doğruluk değeri ile darbesel sinyal tespiti yapılabildiği FPGA benzetim sonuçları ile gözlemlenmiştir. Bu tez çalışmasında, FPGA tabanlı Uzun Kısa-Süreli Bellek sinir ağının eğitilmesi ve test edilmesi için gerekli veri setlerinin oluşturulması amacıyla MATLAB/Simulink modelleri tasarlanmıştır. Bu modeller ile ayrıca SYAO yönteminin test veri setleri de elde edilmiştir. Bu tez çalışmasında, FPGA tabanlı Uzun Kısa-Süreli Bellek sinir ağının sentez işlemi sonrası elde edilen performans ölçütleri, SYAO yönteminin FPGA'de uygulanması sonrası elde edilen performans ölçütleri ile karşılaştırılmıştır. Elde edilen sonuçlar, bu tez çalışmasında önerilen FPGA tabanlı Uzun Kısa-Süreli Bellek sinir ağının bir donanım (FPGA) üzerinde gerçekleştirilerek klasik eşik değeri yönteminin (SYAO yöntemi) başarılı sonuçlar elde edemediği düşük SGO seviyelerinde sinyal tespiti gerçekleştirebildiğini ancak gerçek zamanlı bir elektronik harp sistemi radar almacı gereksinimlerini karşılayamadığını göstermektedir.
Machine learning based evaluation of scientific retractions
Researchers produce a tremendous number of publications based on their findings every single day. The frequency of retracted papers published in scientific journals has sharply increased during the last 20 years, outpacing the gradual growth in the overall number of publications. Retraction is a mechanism for correcting the literature by informing the readers about papers that include information or data that is seriously faulty or inaccurate that makes the researcher impossible to rely on the findings and conclusions. Questionable research may propagate disinformation and put people in danger, particularly in the medical literature. As of May 2020, the Retraction Watch Database shows 23,000 retracted papers and 800,000 articles that directly cite them. In this thesis, we address the problem of determining which publications are close to retraction based on their association with the retracted articles and when we need to reconsider papers that cite them. We proposed a method in which we can predict the paper that is close to retraction using different machine learning algorithms like Logistic Regression, Naïve Bayes, SVM and Random Forest. Moreover, we introduce an annotation scheme for citation functions with the help of a subject matter expert. According to this scheme, we have found that there are 221 papers out of 664 that need reconsideration. The trained model achieved approximately 82% accuracy in identifying possible retractions. In this way, we can save our resources to check some percentage of potentially harmful literature instead of reviewing the complete database. In the context of healthcare, several domains and categories may be taken into consideration for future work to form new data. More insights and trends may be discovered from the collected data. The development of deep learning models for feature engineering would also be useful.
Urdu news categorization using machine learning approaches
Rapid technological developments have changed the way of presenting news content in media. The last three decades have witnessed the emergence of digital media platforms that offer a broad variety of news content ranging from business to, economics, from Science&Technology to sports. Due to massive amount of data produced, the need for automatically categorizing them has arisen. Motivated by this, we have addressed the problem of text categorization of Urdu news by using four machine learning approaches namely (Naïve Bayes, Support Vector Machines, Logistic Regression and Decision tree). In the first step we have collected the data which contains 4000 news belonging to four different categories (Sports, Business-&-Economics, Science-&- Technology and Entertainment). The data is in the raw format so before setting up the machine learning model, we applied pre-processing techniques like tokenization, removing the stop words and lemmatization. Then, the features are extracted Bag of Words and Term Frequency-Inverse Document Frequency methods. In the last step, we evaluate the performance of machine learning algorithms utilizing accuracy, precision, recall, and F1-score metrics. In future work, deep learning models can be can be utilized provided that more data is collected and a system can be developed which performs real-time categorization.
Metasezgisel algoritmalar kullanarak depo toplama yolu optimizasyonu
Warehouse picking path optimization is a critical issue in the logistics industry as it can greatly affect the efficiency and productivity of warehouse operations. The optimization process can be divided into two sub-problems: shortest path problem which can be solved using well-known algorithms such as Dijkstra's algorithm and Bellman–Ford algorithm, and traveling salesman problem, which will be the primary focus of this thesis. The Traveling Salesman Problem is a combinatorial optimization problem and belongs to the class of NP-hard problems. Since, it is usually impossible to obtain an exact solution to the problem within a polynomial time, alternative methods such as metaheuristic algorithms are utilized. In this thesis, we explore several metaheuristic algorithms, including Particle Swarm Optimization, Genetic Algorithm, Archimedes Optimization Algorithm, Honey Badger Algorithm, and Harris Hawks Optimization, and compare them in terms of their computational efficiency and effectiveness in finding optimal solutions. Our experimental results show that Harris Hawks Optimization and Honey Badger Algorithm yield better results compared to other algorithms. These results will contribute to the development of efficient and effective techniques for optimizing warehouse picking routes in the logistics sector. Keywords: Picking Path Optimization; Shortest Path Problem; Traveling Salesman Problem; Metaheuristic Algorithms; Logistics
Use of deep learning for research paper recommendation
Bilimsel yazının alanında, ilgili yayınları tanımlayıp seçebilme yeteneği oldukça önemlidir. Ancak, giderek artan sayıda makalenin yayımlandığı bir ortamda, araştırmacılar, geniş bir bilimsel literatürü el ile gezme konusunda zorluklarla karşılaşırlar. Büyüyen akademik literatürün içinde gezinme sorununa cevap olarak, ilgili yayınları bulmada araştırmacılara yardımcı olmayı amaçlayan otomatik makale öneri sistemleri ortaya çıkmıştır. Bu sistemler aynı zamanda araştırma sonuçları ile akademik dergi konuları arasında bağlantı kurma ihtiyacını da ele almaktadır. Geleneksel metin temsil modelleri, kelimeler arasındaki anlamsal ilişkileri yakalama ve farklı dergilerin kapsadığı geniş konu yelpazesini ele alma konularında sınırlamalar taşımaktadır, bu da sınıflandırma ve öneri sonuçlarını etkilemektedir. Bu çalışmada, araştırma makalelerinin başlıklarını ve özetlerini içeren Kaggle veritabanından alınan bir veri kümesi kullanılmış ve bu veri kümesi toplamda 60.286 örneğe genişletilmiştir. Bu genişleme, orijinal 20.286 örneğin yanı sıra Ulusal Tıp Kütüphanesi'nden gelen 40.000 ek örneği içermektedir. Bu örnekler fizik, matematik, istatistik ve bilgisayar bilimleri olmak üzere dört farklı sınıfa ayrılmıştır. Araştırma, doc2vec, TF-IDF ve Kelime Çantası gibi çeşitli özellik çıkarma yöntemlerini kullanmakta ve elde edilen özellik vektörleri üzerinde klasik makine öğrenme algoritmaları ve derin öğrenme modellerinin performansını değerlendirmektedir. Sonuçta ortaya çıkan model, araştırma ilgi alanlarına uygun makaleler arayan yazarlar için içerik tabanlı öneriler sunmaktadır.
Analyzing the reliability of DRAM and SRAM modules in high-performance computing systems: A comparative case study
This thesis presents a comprehensive analysis of the reliability of DRAM and SRAM modules, integral components in high-performance computing systems. Utilizing data from a free MTBF calculator, the research is structured around four case studies - two each for DRAM and SRAM modules, focusing on component and system reliability. The investigation encompasses various operational scenarios, highlighting the resilience of these modules in data processing, cloud services, and telecommunication networks. By assessing Mean Time Between Failures (MTBF) and Failure Rate, the thesis aims to provide insights into the reliability of these memory components and evaluate different statistical methods for reliability estimation. The methodology adopted reflects realworld operational conditions and environments typical to these modules, offering a detailed view of the reliability impacts on system performance. This study contributes to a deeper understanding of memory module reliability, guiding design and operational decisions in complex computing environments
Research paper classification using text mining approaches
With the exponential growth of digital text data, the need for effective ways to manage and organize them electronically has made natural language processing technique and methods more important than ever before. Classification of research articles by text mining methods is an important aspect of scholarly communication as it provides a systematic way to organize and classify research publications according to their topics, methodologies, and other relevant characteristics. Classification of research articles is an important tool for effective access and discovery of research publications, facilitating research synthesis and analysis, promoting interdisciplinary research, and quality assurance. In this thesis, different classification models were used and their performances were compared. A system is proposed to help researchers search for research articles more efficiently. The data set was studied using the R language and the results were shown with an application prepared with R Shiny.
Deep learning and machine learning methods for detecting false data injection cyber-attacks on smart grid phasor measurement units
Compared to regular power systems, smart grids offer various advantages. However, they also present significant cybersecurity challenges, particularly in terms of data integrity and security. Phasor Measurement Units (PMUs) play a crucial role in addressing these challenges by providing real-time monitoring and management of the grid through synchronized, high-resolution measurements, thus improving its reliability. Unfortunately, hackers can exploit PMUs by manipulating the vital information they provide. False data injection attacks, which rely on incorrect data input into PMUs, pose a serious threat as they can compromise the efficiency and reliability of the entire power grid. Therefore, secure operations in smart grids depend on effective false data detection and mitigation. In this research, we focus on developing a comprehensive solution powered by both machine learning and deep learning methods to recognize false data intrusion attacks on smart grids. This involves utilizing supervised machine learning models trained on power system attack-labeled data. Tree-based techniques such as Random Forests and Extra Trees are initially employed for binary classification, categorizing PMU data as either natural or compromised. Subsequently, multi-class classification is performed to identify no events, natural events, or active attacks. Furthermore, we explore deep learning architectures like Convolutional Neural Networks (CNNs), Long Short-Term Memory (LSTM) networks, and CNN-LSTM hybrids, which are specifically designed for time-series data and can effectively detect and capture subtle temporal patterns. The primary objective of this research is to thoroughly evaluate the state-of-the-art machine and deep learning techniques on real PMU data, leading to a significant improvement in attack detection accuracy and ultimately protecting the security and resilience of critical energy supply infrastructure.
Analyzing the key factors affecting travel recommendation system based on random forest approach
This thesis focuses on the development and evaluation of a travel recommendation system. The objective is to analyze the factors effecting the travel recommendation system and propose a recommendation system for the travelers in Pakistan. By leveraging advanced algorithms and user preference data, the system aims to enhance user satisfaction and streamline travel planning. The system provides personalized travel suggestions by processing user preferences using the Random Forest algorithm. The research addresses the challenges of making recommendations with limited data availability and explores how data expansion can enhance accuracy. For the role of algorithmic efficiency and data quality on system performance in travel recommendation systems, the key components of these systems are analyzed. Recommendation accuracy, user satisfaction, and overall system performance from the basis for evaluating the specified system. The thesis suggests practical implementation in real-world scenarios and provides insights into potential system improvements. Due to limited available data, the system requires further dataset expansion for more accurate recommendations. Keywords: Travel Recommendation System, Random Forest, User Satisfaction, Travel Planning, Recommendation Algorithms
Predictive analysis of cross-cultural issues in global software development using AI techniques
The objective of this thesis is to identify predictive modelling that can be employed to mitigate problems due to cultural differences in GSD environment. When developing software for global usage, more and more teams consist of members that have different cultural backgrounds. Such differences cause communication barriers, have conflicting approaches to work, and generate confusion that results in weaker projects. The objective of this study is to arrive at risk factors useful in early detection of cross-cultural impacts so that important problems do not compromise project results. The current algorithms tested were Linear Regression, Ridge Regression, Lasso Regression, SVR, and XGboost. A set of criteria was adopted for the comparison of each model which includes Mean Squared Error (MSE), Root Mean Squared Error (RMSE), Mean Absolute Error (MAE) and R-squared. Among all, Linear Regression returned the highest value of R-squared = 0.90 which shows that the model can predict with high accuracy. As for other models, medium accuracy was revealed by both Ridge Regression and XGBoost but adjusting them boosted the results only slightly. The analysis further shows that Linear Regression is the most accurate model in this task. The work offers important implications for the integration of existing AI-based methods into human-centered approaches that can support cross cultural concerns addressed in software development teams. When conflicts of interest are foreseen, approaches for improved understanding and cooperation should be employed to increase the efficiency of the team's work and the success of a project. Keywords: Cross-Cultural Challenges, Global Software Development, Predictive Analysis, Machine Learning, AI-Driven Solutions.
The hybrid recommender system using deep learning for tourism in Istanbul
Istanbul, recognized for its remarkable beauty and cultural significance, is a premier destination for international travelers to Turkey. Despite its popularity, visitors frequently encounter challenges when attempting to navigate the extensive array of attractions, accommodations, and dining options available. While numerous online resources, such as blogs and forums, offer valuable information, the overwhelming volume can lead to information overload, highlighting the limitations of current recommendation technologies in the tourism sector. This research aims to develop a sophisticated recommendation system that enhances the overall tourist experience by providing personalized recommendations tailored to individual preferences and real-time location data. The increasing demand for detailed insights into local attractions including culinary experiences, shopping venues, and points of interest, necessitates a focused approach to information delivery. To address these challenges, we will utilize data sourced from the prominent platform TripAdvisor, employing a hybrid methodology that integrates collaborative filtering and content-based techniques through Artificial Neural Networks (ANNs). This approach aims to generate precise recommendations for hotels, restaurants, and attractions, ultimately improving the decision-making process for travelers. The primary objective of this study is to establish a robust recommendation system that achieves high accuracy and precision, ensuring that users receive tailored suggestions aligned with their unique needs and preferences while visiting Istanbul.
Measuring the impact of advanced video game programming on player engagement and experience
This thesis explores the wide and vast area of advanced video-game programming and the fundamental outcome it erupts to provide enjoyment and engagement to players. Six games were designed and constructed before being tested by a series of questionnaires; it is expected that without wanting to generalize too much, the findings will help to point towards some of the most imperative factors to influence satisfaction and the immersion degree of the player. The results show that visual appeal, varied gameplay, and custom ability to enhance the experience are important factors. The thesis also reflects on how such emerging technologies as virtual reality can be applied to make player engagement revolutions. The thesis has also emphasis on the role of ethical consideration in design. Such research insights would guide developers who wish to craft compelling and immersive experiences in gaming. The conclusion showcases that the need for continuous innovation and adaptability emerges in response to the dynamic preferences of the international gaming community.
Applying artificial intelligence for FPGA physical design automation tools
We introduce a novel framework for predicting routing congestion in FPGA designs during the placement phase. By employing a load-balanced bi-partitioning strategy to organize the input net list, our approach enhances the accuracy of routing information prediction. Our framework incorporates carefully selected features that reflect the placement configuration and design connectivity. This clustering approach to the input net list not only improves current methodologies but also significantly improves the model's ability to predict routing congestion accurately. Additionally, this strategy enhances the routability of highly congested designs and substantially reduces router runtime. Our method achieves routability forecasting accuracy comparable to initial routing while operating at a significantly faster runtime, this address the critical need for both speed and precision in general design routability predictions. The proposed framework, which inputs well-engineered features encoded on across multiple input picture channels, shows improved performance over current techniques. This improvement is attributed to the effective partitioning of the input net list based on connectivity and bounding box. Our model is a valuable tool for early-stage FPGA routing architecture exploration, enabling rapid and accurate design iterations. It accurately predicts key routing metrics such as maximum achievable frequency (Fmax), minimum channel width (Wmin), and worst slack delay, the models' predictions exhibit correlation with full VPR CAD flow results but at a faster speed.
Meronyms and synonyms extraction from English dictionary
Relations extraction is the process of identifying connections between entities. It is used in wide range of applications including information retrieval, text summarization, machine translation, question answering, thesaurus building, and ontology building. This thesis presents a method for detecting meronyms and synonyms relationships between nouns within sentences from a given English dictionary. This study presents an analyzer designed to detect pairs of meronyms and sets of synonyms (synsets) between noun words. It depends on OPTED dictionary as a data source. OPTED dictionary consists of words with their tags and definitions. The analyzer tokenizes the dictionary into sentences and then extracts words' POS tags using NLTK library to put the base data structure. The data structure is used to find meronyms relations by using predefined keywords and rules. The data structure is used also to find synsets and their intersected, transitive, and similarity generations.
A benchmarking framework for evaluating cloud services: A case study on azure app service vs DOCKER container
For many reasons, comparing two or more services on the cloud and deciding which "is better" is a challenging job. The current benchmarking solutions lack efficiency when it comes to running the test process on the cloud, and they are difficult to configure for tailored test cases and specifying the structure of the resulted data. The cloud environment's special characteristics (like distributed nature, variation in resources' capacity, virtualization, security, and cost) made it an interesting subject for many recent studies. This research suggests that the cloud benchmarking framework needs to have cloud-benchmarking-related features like comparability, coverage, configurability, plasticity, and comprehensiveness. These characteristics are considered in this research while proposing a benchmarking framework that is customized to have its best outputs in the cloud environment. It's designed in client-server model where the server is a service that runs the load on the subject node, and the client is responsible for controlling the test and generating the output data. A demo application is implemented to test the validity of the proposed framework, and it is used to compare the performance of Azure App Service with Azure Docker Container. The test is conducted to benchmark different resources -including CPU, Memory, File I/O, and network- on the subject nodes (App Service and Docker container), and the resulting data revealed that Docker Container has better performance -in general- than App Service on Azure for the same cloud tier.
Segment anything model for crater detection on the lunar surface
In this research we will discover how to implement Segment Anything Model for crater detection, Crater Detection is an essential part of planetary geology and scientific research, for mission planning and future lunar landing missions, this thesis will present a semi-automated crater detection pipeline, which will combine Segment Anything Model, which is a new state of the Art Deep learning model developed by Meta AI, we will implement classical geometric analysis, leveraging' SAM's promotable vision transformer, to generate initial crater mask candidates from 1024x1024 lunar surface images, due to the lack of datasets of the lunar surface these images will be generated using Three.js a program that uses WebGL to render 3D objects in the web browser, which then will make use of NASA's MoonKit to create an actual accurate sphere of the lunar surface with proper topographies and surface details and diverse lighting conditions, once our image is processed by SAM we will run a custom ellipse fitting algorithm, which then applies geometric filters, like area ratio, elongation and brightness to isolate crater like structures, it will use Least Squares Method for such operation, later we export the results in .PNG format showing our segmented image and Ellipse fitted image, in this research we will also discuss the difficulties and challenges of Lunar Crater Detection, shedding light on the different conditions of lunar surface, from lighting to shading, and it's challenges on image segmentation models like SAM, we will discuss the limitations of SAM in such regards for crater detection. Keywords: Segment Anything Model, SAM, Image Segmentation, Crater Detection, Computer Vision, OpenCV, Ellipse Fitter, Least Squares Method, Deep Learning, Three.js
Multi site e-commerce mobile app with artificial intelligence filters
E-commerce platforms give users access to a wide range of products and save time, yet they still struggle to compare items across different websites. Existing keyword-based search systems depend heavily on manual filters, which limit efficiency and accuracy.This thesis presents an AI-powered, voice-enabled mobile application as a more user-friendly solution to product discovery, offering natural voice queries, intelligent filtering, and multi-site data aggregation. The framework opts for Google's STT API to transcribe requests, Hugging Face's zero-shot classifier (bart-large-mnli) to derive product characteristics, and Playwright to collect the on-the-spot data from e-commerce platforms. A Flutter-based frontend communicates with a Flask backend that handles NLP and retrieval. System performance was tested across transcription accuracy, classification reliability, latency, and user satisfaction. Results showed that the STT module achieved accuracy of 83.3%, with peak values near 90%, while the NLP classifier reached 92% accuracy in identifying user intent and categories. End-to-end latency averaged 2.9–3.7 seconds, meeting real-time usability standards. User evaluations indicated a 35% increase in satisfaction compared with traditional keyword search, confirming that combining voice interfaces with NLP improves the e-commerce search experience. This project is a good example of how one can integrate voice communication, zero-shot NLP, and platform scraping into a mobile environment. Keywords: E-commerce, Voice Search, NLP, AI Filters, Web Scraping
A comparative study of classical and deep learning models for wind speed forecasting
This study examined the performance of several time series models (both classical models like ARMA, ARIMA and deep learning models such as LSTM, CNN) are compared in terms of both classical and deep learning models for predicting wind speed based on two meteorological datasets. The literature review presented strengths and weaknesses for each approach, and the influence of data scale, resolution, and quality on the forecasting results. The quantitative result demonstrated that for the high-frequency data LSTM reduces the MSE ~99.3% comparing with ARIMA, when ARIMA is good for short-term prediction and small datasets. Then, the models were used for a small Turkish dataset, and the proposed curves were tested against the large group of Jena database in Germany. Results indicated that while classical models are better suited for forecasting over the short term with limited data, deep learning methods require substantial, high-quality data to surpass traditional forecasting methods. These findings provide valuable recommendations for renewable energy planners on model selection with respect to the characteristics of datasets and their operational requirements.
AI for extreme weather forecasting: Cyclone prediction using deep learning
This thesis aims to analyse the role of AI in extreme weather forecasting, with a particular focus on Long Short-Term Memory (LSTM)-based and Transformer-based deep learning models for cyclone prediction. It applies sequence-based learning techniques to track storm development using historical data from International Best Track Archive for Climate Stewardship (IBTrACS) and reanalysis data from European Centre for Medium-Range Weather Forecasts Reanalysis 5 (ERA5). The methodology involves data preprocessing, feature scaling, and model parameter optimisation to improve the accuracy of wind speed and cyclone intensity predictions. Despite AI's potential, challenges persist in this domain, including limited data availability, high computational demands, and the necessity for explainable models. This thesis proposes solutions such as explainable AI, hybrid modelling, and the creation of scalable, efficient models tailored for regions with limited resources. Advancing AI-driven solutions for weather forecasting ultimately supports climate resilience efforts and highlights AI's broader role in mitigating environmental challenges.
Optimized random forest model for prediction solar irradianceand photovoltaic total power energy by using JAYA algorithm
This research deals with the solar photovoltaic power generation prediction through a machine learning–based architecture combining the Random Forest algorithm with the JAYA metaheuristic optimization. As the demand for renewable energy has been increasing, the establishment of correct and expeditive forecasting models is vital for the system operators, along with the energy managers, for effective planning, efficacy, and assured cost-effectiveness. The data, obtained for Chapel Lane substation in the United Kingdom (2019–2022) at 15 minute integration, went through the pre-processing, such as feature creation and normalizations. Random Forest was utilized for the extraction of the most pertinent parameters for the requirement of prediction, whereas the JAYA algorithm has been used for hyperparameter optimization for the better performance of the designed models. The performance accuracy of the models has been observed through established performance indicators, i.e., the coefficient of determination (R²), mean squared error (MSE), and mean absolute error (MAE). Through the results, the intention is demonstrated by projecting the predicted respective outputs with fewer faults, indicating its potential for solar energy prognostication along with the power management activities.
Route optimization by avoiding unwanted places using unsupervised machine learning
This thesis examines how sophisticated route planning systems employ uncontrolled machine learning algorithms to avoid unpleasant sites users have indicated. The focus is on DensityBased Spatial Clustering of Applications with Noise (DBSCAN). Traditional route algorithms aim to minimize journey time and distance. These approaches do not always include user preferences, safety concerns, or other subjective or situation-specific variables. This thesis developed and tested a novel route system that combines grouping and location data analytics to locate and avoid locations users do not want to go, such as busy neighbourhoods, casinos, pubs, and other unpleasant venues. DBSCAN can manage noise and locate any-shaped groups, making it ideal for this purpose. Even if undesired sites are unevenly distributed, it can analyze geographical data effectively. After defining density limitations based on user-defined parameters, DBSCAN finds dense clusters of locations based on their geographical proximity. This grouping strategy permits routes to be adjusted depending on data, unlike standard systems that require cutoff areas or zones. The thesis technique analyses the issue statement, revealing the requirement for bespoke route solutions that exceed efficiency criteria. The mathematical origins of DBSCAN and how the algorithm's core assumptions allow it to locate key geographical groupings in enormous volumes of data are also examined. The solution's design and route calculation using regional inputs, user choices, and grouping results are given. The system constantly recalculates the optimum routes to minimise exposure to these undesirable sites while fulfilling travel speed targets. The thesis evaluates system efficacy using experimental testing and scenario-based models. These tests evaluate how effectively the new pathways avoid key groups, how fast and accurately the clustering approach detects them, and how much they vary trip time and distance. The paper highlights its drawbacks, such as calculations being difficult and grouping variables being susceptible to urban contexts. This thesis reveals that personalised and context-aware navigation systems may leverage autonomous machine learning techniques like DBSCAN to determine routes, making them an exciting new subject to examine. The findings demonstrate the need of adding location-type-specific user constraints, which increase directing control and flexibility. Aligning pathways with users' preferred avoidance options makes them happy and allows for the creation of flexible navigation systems that can adjust to social and natural changes.
Enhancing student retention: A predictive study on dropout rates and remedial strategies
Education is important for economic and social well-being where dropout is a concern for students and institutions worldwide. This thesis seeks to improve students' retention by predicting the students' dropouts and remedial strategies. Prediction algorithms can identify students with poor academic achievement, demographics, and social conduct who are most likely to drop out. In this thesis, the machine learning techniques are used to build a predictive model to analyze dropout or retention of the students at early stages. Key features like grades, age of enrollment, courses taken, courses approved, gender, tuition fees status, class duration etc. are evaluated and analyzed using Random Forest classifier and correlation analysis. The findings of the thesis show that institutional issues, socio-economic factors, academic challenges, personal and psychological factors have a significant impact on dropout rates. The output shows the students who are likely to be retained or dropped out from the institution with a data-driven predictive model that can be helpful to structure and increase strategies for retention. This thesis not only helps in shaping retention strategies but also can provide detailed analysis for advisors, administrations and policy makers to create a support mechanism by applying such educational structure that can be shaped for students having different economical, social, educational and psychological backgrounds.
Integrating image processing techniques for enhancing facial recognition security in IoT devices
Access control in IoT-based systems mostly depends on face recognition, but it still faces many issues. Issues as face recognition errors, facial feature changes, and security problems like spoofing attempts. The primary focus in this work was improving the security of the system along with its reliability by managing advanced image processing techniques, such as depth analysis, liveness detection, and recurring authentication updates To make the system more restricted to fraudulent access and optimized at managing crucial cases, these additions are made, which are not just some technical updates but they also play an important part. Furthermore other methods like anomaly detection, and feature extraction were used to enhance the robustness of system, while allowing it to adjust to new issues effectively. Issues relevant to algorithmic bias and user privacy have also been taken into consideration while working on this study, by evaluating that not just system is secure but also it's not biased and is ethical. Combination of work have been suggested in the results, where the system is security-focused and ethically aware design makes it more effective and reliable facial recognition system, with strong potential for future use in IoT-based authentication environments.
Çevrimiçi öğrenme ortamlarında öğrenme analitiği verileri ve makine öğrenmesi kullanarak akademik başarının değerlendirilmesi
Covid - 19 salgını döneminde daha önce de kullanılan ancak yaygın olmayan çevrimiçi öğrenme ortamlarının sayısı artmıştır. Bu ortamlarda oluşan öğrenme analitiği verileri üzerinde makine öğrenmesi yöntemleri ile öğrenci başarısının tahmini ve sınıflandırma çalışmaları son yıllarda önem kazanmaktadır. Çevrimiçi öğrenme ortamından elde edilen öğrenme analitiği verileriyle öğrenci başarısı arasındaki ilintinin anlaşılması amacıyla; öğrenci başarısının tahmini ve sınıflandırması yapılmıştır. Veri kümesi üzerinde ilinti (korelasyon), özniteliğin önemi, fisher puanı, selectKbest ve bilgi kazancı öznitelik seçim yöntemleri kullanılarak öğrenci başarısı ile ilintili olan özniteliklerin tespiti yapılmıştır. Seçimi yapılan özniteliklerin normalizasyonu ve verilerin one hot encoding (OHE) yöntemi ile temsili sağlanmıştır. Öğrenci başarısının tahmini ve sınıflandırılmasında geleneksel makine öğrenmesi algoritmaları Rastgele orman (Random Forest-RF), Çok katmanlı algılayıcı (Multilayer Perceptron-MLP) ve k-en yakın komşu (k-Nearest Neighbours, k-NN) probleme uygulanmıştır. Bu çalışmada, öğrenci başarısının tahmini ve sınıflandırılması için verilerin OHE temsiline, öznitelik seçimine ve Evrişimsel Sinir Ağı (ESA)-(Convolutional Neural Network-CNN) mimarisine dayalı bir yöntem önerilmektedir. Belirtilen amaç doğrultusunda Başkent Üniversitesi'nin 2020-2021 akademik yılının çevrimiçi öğrenme ortamı olan Moodle verileri ile 2013-2014 yıllarına ait İngiltere'deki Open University çevrimiçi öğrenme veri kümesi kullanılmıştır. Başkent Üniversitesi veri kümesinde OHE temsili ve temsilsiz üçlü sınıflandırma çalışmasında önerilen ESA modeli %92 doğruluk başarım oranı ile geleneksel makine öğrenmesi yöntemlerinden yüksektir. Literatürde Open University veri kümesi üzerinde yapılan ikili, üçlü ve dörtlü sınıflandırma çalışma sonuçları ile önerilen ESA modeli sonuçları karşılaştırılmıştır. İkili sınıflandırmada %95,43 ile en yüksek başarım oranı bulunurken üçlü sınıflandırmada %88 ve dörtlü sınıflandırmada %73,32 değerleri diğer çalışmalara göre daha yüksek olarak bulunmuştur. Öğrenci başarısını tahmininde hata değerlendirme ölçütü olarak belirlenen kök ortalama kare hata (RMSE) ve ortalama mutlak hata (MAE) değerleri önerilen ESA modelinde %1'in altında kalarak diğer modellere göre düşük bir hata oranı vermiştir. Farklı veri kümeleri üzerinde ayrı ayrı kullanılan öznitelik seçimi, verilerin OHE temsili ve ESA mimarisine dayalı yöntem bu çalışmada birlikte kullanılarak literatüre katkı sunmaktadır. ANAHTAR KELİMELER: Öğrenci başarısının sınıflandırılması, Evrişimsel Sinir Ağı, OHE temsili, Öğrenme analitiği, Öznitelik seçimi, Covid-19
Otomotiv endüstrisinde makine öğrenimi teknikleri kullanılarak araç fiyatlarının tahmin edilmesine yönelik karşılaştırmalı bir çalışma
Pazarlamada doğru tahminlerin yapılabilmesi, finansal getirisi daha yüksek sonuçlar almak ve stratejik kararların daha doğru verilebilmesi açısından önemlidir. Sadece uzman görüşü ile yapılan tahminler yanlış veya yetersiz olabilir ve şirketlere büyük maddi zararlar verebilir. Bu çalışmada, popüler makine öğrenmesi teknikleri ile otomotiv endüstrisindeki araç fiyatları tahmin edilerek bu soruna bir çözüm sunulmaktadır. Son yıllarda literatürde başta moda ürünleri, perakende/pazar ürünleri olmak üzere bilgisayar, elektronik ürünler ve çevrimiçi ürün satışlarının fiyat tahmininde makine öğrenmesi teknikleri kullanılmaktadır. Bu çalışmada, Karar Ağacı, Rastgele Orman, Destek Vektörü, ve Yapay Sinir Ağları yöntemlerinin bir otomotiv satış veri seti üzerindeki performansları değerlendirilmiş ve karşılaştırılmıştır. Deneylerde, 13 özellikli (seri numarası, yeni fiyat, model, konum, yıl, gidilen kilometre, yakıt türü, şanzıman, araç sahibi türü, kilometre, motor, güç, koltuk, fiyat) ve 6019 örnek içeren bir satış veri seti kullanılmış ve üç aşamalı bir ön işlem uygulanmıştır. Bu ön işlemenin son aşamasında Sıralı, One Hot, İkili ve Frekans kodlama yöntemleri ile kategorik değerler sayısal verilere dönüştürülmüştür. Tüm analizlerde fiyat tahmin hatasının hesaplanmasında K-Katlamalı Çapraz Doğrulama yöntemi kullanılmıştır. Yapılan deneyler sonucunda kullanılan veri seti üzerinde en iyi sonucu veren kodlama yöntemi ile en iyi tahmin yöntemi karşılaştırmalı olarak ortaya konmuştur. Sonuçlar, bu çalışmayı ilgili uygulamalar için potansiyel bir seçim haline getiren bazı ilginç noktalar sunmuştur.
Uydu görüntülerinden evrişimsel sinir ağları ile bina bölge tespiti ve çatı tipi sınıflandırması
Coğrafi Bilgi Sistemleri (CBS); verimlilik, planlama, hasar tespiti ve daha fazlası dahil olmak üzere bir bina modelinin birçok yönünü analiz eder. CBS uygulamalarının ihtiyaç duyduğu temel bileşenlerden biri, bir binanın çatı tipi ve geometrisidir. Bu nedenle, çatıların tanımlanması ve sınıflandırılması CBS'de araştırılan önemli bir konudur. Gelişen teknoloji sayesinde geniş alanların yüksek çözünürlüklü uydu görüntülerini elde etmek kolay ve ucuz bir hale gelmiştir. Uydu görüntüleri üzerinde yapılabilecek sınıflandırma yöntemi ile geniş alanlar hızlı bir şekilde analiz edilebilmektedir. Bu sayede zaman, maliyet ve işçilik konusunda önemli derecede kazanç sağlanabilmektedir. Bazı nesne algılama yöntemleri, günümüzde uydu görüntülerinde bina çatılarının konumlarını belirleyebilmektedir. Derin öğrenme, nesne tespiti için kullanılan bu yöntemlerden biridir. Klasik makine öğrenme metodu bu sorunu çözmede başarılı sonuçlar elde etmiş olsa da, derin öğrenme üzerine yapılan son araştırmalar doğruluk oranlarındaki başarının daha yüksek seviyelere çıkabileceğini göstermiştir. Bu çalışmada, derin öğrenme yöntemleri kullanılarak bina bölgelerine ait çatı konumlarının alansal olarak belirlenmesinin yanı sıra ilgili çatı tipleri de sınıflandırılmıştır. Bunu başarmak için, CNN yönteminin performansı, orta seviye çözünürlüklü görüntüler kullanılarak test edilmiştir. Farklı bölgelere ait elde edilen uydu görüntülerinin test sonuçları incelendiğinde, AlexNet'in %92,30, GoogleNet'in ise %87,18 doğrulukla çatı bölgelerini tespit ettiği görülmektedir. Ayrıca, incelenen üç mimariden bina çatı tiplerinin sınıflandırılması için en uygun modelin AlexNet olduğu sonucuna varılmıştır.
Tersine mühendislik yöntemleri ve bilgisayar uygulamaları analizi
Tersine mühendislik, ticari veya askeri avantaj için donanım ve yazılım analizine dayanmaktadır. Tersine mühendislik süreci, eserin orijinal üretimlerinde yer alan prosedürler hakkında çok az veya hiç ek bilgisi olmayan ürünlerden tasarım özelliklerini çıkarmak için yapılan bir analizin yanı sıra kendi içinde bir kopya oluşturmak ya da eseri bir şekilde değiştirmekle ilgilidir. Yazılımlarda tersine mühendislik, bir sistemi veya bir sistemin parçalarını alma ve bunların işlevselliğini ve tasarımını analiz etme sürecidir. Bir sistemin parçalarını daha yüksek bir soyutlama düzeyinde analiz etmenin ve yeniden yapılandırmanın bir yolu olarak tersine mühendisliğe başvurulur. Ancak, tersine mühendislik bundan daha fazlası için kullanılır. Yeni bir tür kötü amaçlı yazılımın ortaya çıktığını var sayarsak, kaynak kodu bilinmeyen yeni tehditlere karşı önlemlerin alınabilmesi için kötü amaçlı yazılımın içeriğini analiz etmek, nasıl çalıştığını anlamak ve aynı zamanda fikri mülkiyeti kötü niyetli kişilere karşı korumak için tersine mühendislik tekniklerine ve becerilerine ihtiyaç duyulur. Ayrıca tersine mühendislik yöntemlerini ve yaklaşımlarını bilmek yazılım korsanlığına karşı daha etkili yöntemler ortaya koymak için çok önemlidir. Tezin amacı, tersine mühendislik yöntemleri ve bu yöntemlerin nasıl aşılacağı hakkında bilgi vermeyi amaçlamıştır. X86 platformu ve assembly dili, taşınabilir yürütülebilir dosya formatı, Windows uygulama programlama arayüzü, hata ayıklamayı önleme ve bu yöntemleri aşma, paketleyiciler ve paketten çıkarma teknikleri gibi tersine mühendislik için önemli olan konulara değinilmiş ve yapılan çalışmalarda uygulamalı olarak gösterilmiştir.
Makine öğrenmesi yöntemleri ile kanser hastalığı takibi
Meme, akciğer, prostat ve mide kanserleri dünya genelinde en sık görülen kanser türleri olmuştur. Bu kanserlerin erken evrede tespiti ve teşhisi literatürde bir zorluk teşkil etmektedir. Hekimler kanser hastalarıyla uğraşırken, risk faktörü olan çeşitli tedavi yöntemleri arasından seçim yapmaktadır. Tedavinin riskleri faydalarından daha ağır basabileceğinden, klinik karar vermede tedavi programı kritik öneme sahiptir. Bu program hastanın önceki komorbiditilerine, aldığı ilaçlara ve geçirdiği tedavi prosedürlerine bakılarak hazırlanmaktadır. Hangi ilacın ve tedavinin kullanılacağına manuel olarak karar vermek çok zaman almakta ve zor olabilmektedir. Bu tez çalışmasında, meme, akciğer, prostat ve mide kanseri hastalarının hastane içi teşhis sonrası mortalite tahmini için tahmin oranını mümkün olduğunca yüksek tutan makine öğrenmesi yaklaşımları kullanılarak hesaplamalı bir çözüm sunulmuştur. Çözüm, elektronik sağlık sistemlerinden kolaylıkla elde edilebilen tanı, ilaç ve prosedür parametrelerinin analizine dayanmaktadır. Kanser hastalarının mortalite sonuçlarını tahmin etmek için sınıflandırmaya dayalı bir yaklaşım getirilmiş, model eğitimleri yapılmış ve bu sınıflandırıcıların performansları değerlendirilmiştir. Medical Information Mart in Intensive Care IV (MIMIC-IV) veri kümesi üzerinde Lojistik Regresyon, Karar Ağacı, Rastgele Orman, Destek Vektör Makinesi ve Çok Katmanlı Algılayıcı sınıflandırıcıları değerlendirilmiş ve bunlarla çeşitli deneyler yapılmıştır. Belirtilen kanser hastaları için tanı, ilaç ve tedavi özellikleri çıkarılmış ve Lojistik Regresyon ile ilişkili öznitelik seçimi yapılmıştır. Kolay erişilebilir elektronik sağlık verilerinin kullanılması ve yapılacak işlemlerin hafıza ve zaman kullanımı açısından hızlı ve etkin olabilmesi için az veri ile başarılı sonuç verecek şekilde sınıflandırıcı yapısı tasarlanmış ve doktorların yükünün azaltılması hedeflenmiştir. Makine öğrenimi modellerinin mortalite tahmin yetenekleri, F1 Makro Ortalaması ve AUC-ROC skor metrikleri ile değerlendirilmiştir. En iyi F1 skorları meme için 0.74, akciğer için 0.73, prostat için 0.82 ve mide kanseri için 0.79 olarak bulunmuştur. En iyi AUC-ROC skorları meme için 0.94, akciğer için 0.91, prostat için 0.96 ve mide kanseri için 0.88 olarak bulunmuştur. Sonuç olarak, en ilişkili öznitelikler kullanılarak, çıkan sonuçların her kanser türü için temel sonucuna benzer olduğu görülmüş ve bu yaklaşımın, veri ve kaynağın sınırlı olduğu durumlarda sağlık tesislerinde kolaylıkla kullanılabileceği ortaya konulmuştur.
Makine öğrenmesi teknikleriyle yazılım uyum metriklerinin tahmini
Günümüzde yazılıma olan ihtiyaç arttıkça, oluşturulan yazılımların kalitesini ölçmek de gerekli hale gelmiştir. Yazılım kalitesini ölçmek için literatürde çeşitli metrikler bulunmaktadır. Bu metriklerin bazıları sınıf bazında ölçüm yapmaktadır. Sınıflar nesne yönelimli programlamanın temel birimleridir. Sınıflarda bulunan metotların ve özniteliklerin birbiri ile uyumunu ölçen uyum metriği yazılım kalitesine doğrudan etki etmektedir. Uyumun temel amacı her sınıfın tek bir amaca hizmet etmesi gerektiği kuralını sağlamaktır. Sınıflar gerçekleştirim aşamasında uyuma dikkat edilerek oluşturulduğunda, bakım onarım aşamasında her amaç için tek bir sınıfa bakılacağından zaman ve maliyet açısından fayda sağlanacaktır. Literatürde yazılımın uyumunu ölçen birçok metrik ve araç bulunmaktadır. Her metrik farklı yöntemlerle ve farklı konuları dikkate alarak uyumu hesaplamaktadır. Uyumu hesaplamak için her ne kadar araç kullanımı yaygın olsa da araç kullanmak zaman ve maliyet gerektiren bir durumdur. Ayrıca araçların deneme versiyonları ile istenilen tüm metriklere her durumda erişilemeyebilir. Bildiğimiz kadarıyla şu ana kadar, yazılım uyum metriklerini makine öğrenmesi teknikleri ile tahmin etmeye çalışan herhangi bir çalışma bulunmamaktadır. Bu çalışmada Lack of Cohesion in Methods (LCOM2), Tight Class Cohesion (TCC), Loose Class Cohesion (LCC) ve Low Level Design Class Cohesion (LSCC) uyum metrikleri Rastgele Orman (Random Forest), REPTree, K En Yakın Komşu (K Nearest Neighbor – KNN), Doğrusal Regresyon (Linear Regression), Çok Katmanlı Algılayıcı (Multilayer Perceptron – MLP) ve Destek Vektör Makinesi (Support Vector Machine – SVM) yöntemleri kullanılarak tahmin edilmeye çalışılmıştır. Bu sayede uyum metriği daha hızlı ve kolay bir şekilde elde edilebilmektedir. LCOM2 metriği 0 ve 1 arasında normalize edilmediği için LCOM2 metriğine ait veri kümesine normalizasyon işlemi ve aykırı/uç değer analizi yapılmıştır. Bu işlemlerden sonra elde edilen analiz sonuçlarının tamamı verilmiştir. Alınan sonuçlara göre en iyi performanslar, LCOM2 metriği için uç değer analizinden sonra 5,080 hata değeri, normalizasyon işleminden sonra 0,079 hata değeri KNN algoritması kullanılarak, TCC için 0,231 hata değeri KNN algoritması kullanılarak, LCC için 0,259 hata değeri REPTree algoritması kullanılarak ve LSCC için 0,149 hata değeri REPTree algoritması ile elde edilmiştir.
Coğrafi bilgi sistemlerinde geometri sınıf kütüphanesi
Coğrafi Bilgi Sistemleri (CBS) dünyada ve ülkemizde sürekli gelişen bir ilgialanı halindedir. Coğrafi Bilgi Sistemlerinde verilerin yapısı diğer sistemlerden bazıfarklılıklar göstermektedir. CBS'ler de veriler konumsaldır (konumsal geometriler) vegeleneksel yöntemlerle işlem yapmak zordur. Birçok araştırmacı geometrik yapılar vearalarındaki ilişkileri tanımlamak için çalışmalar yapmıştır. Bu çalışmalar nihayetgünümüzde ihtiyaçları karşılayabilecek bir standarda kavuşmuştur. Geometrikyapıları ve aralarındaki ilişkileri, geçmiş çalışmalar temelinde standarda kavuşturmaküzere Open Geospatial Consortium (OGC) kurulmuştur. Bu tez kapsamında konumsalverilerin işlenebilmesi için bu verileri tanımlayacak ve aralarındaki işlemleriyürütebilecek konumsal bir sınıf kütüphanesi tam ve doğru olarak gerçekleştirilmiştir.Söz konusu geometrik sınıf kütüphanesi boyutsal olarak genişletilmiş dokuzkesişim modeli temel alınarak ?Microsoft .net? platformunda geliştirilmiştir. İlgiliplatform web servisleri oluşturmada oldukça esnek bir yapı sunmaktadır. Sonuç sınıfkütüphanesinin sınanması yine OGC tarafından standartlaştırılan ?iyi tanımlanmışmetin? tabanlı XML formatında sınama verileri ile gerçekleştirilmiştir.Anahtar Kelimeler: Konumsal Veri, Geometrik Sınıf Kütüphanesi, Coğrafi BilgiSistemi.
Tıpçıt: Tıbbi karar destek sistemi çekirdeği
Karar verme süreci incelendiğinde, karar vericinin, karar vermekle yükümlüolduğu probleme ilişkin geçmiş deneyimleri ve mevcut durumu değerlendirerekseçim yapması gerektiği görülür. Bu süreç sonucu probleme uygulanacak çözümyolu ile elde edilenler kimi zaman istenmeyen sonuçlar olabilir. Bunun nedeniprobleme ilişkin yeterli bilginin olmaması veya karar verme sürecinde yetersizlikolabilir. Karar verme süreci sonunda doğru sonuçlara ulaşabilmek için, problemeilişkin detaylı bilgiye sahip olunması gerektiği gibi problem üzerinde de deneyimesahip olunması gerekmektedir.Hekimler tıbbi problemler ile karşılaşan kişilere teşhis koymak ve ilgilitedaviyi uygulamak ile görevli kişilerdir. Hekimlerin karar verme süreciincelendiğinde geçmiş bilgilerin ve deneyimlerin etkili olduğu görülecektir. Dolayısıile deneyimsizlik, insani durumlar ve benzeri anlık veya kalıcı problemler nedeniylekararlar gerektiği yönde verilemeyebilir. Bunun sonucunda da hata toleransı çokdüşük olan tıp alanında ölüme kadar varabilen istenmeyen sonuçlar ilekarşılaşılabilir.Bu tez çalışmasında karar destek sistemlerinde kullanılan çıkarsamayaklaşımlarının kullanımına ilişkin bir öneride bulunulmuştur. Bu çalışmada, klasikkarar destek sistemlerinde kullanılan tek model üzerinden çıkarsama yöntemiyerine, birden fazla yöntemin bir arada kullanılması ile nadir görülen durumlaradoğru destek sağlanabileceği önerisine ilişkin bir çalışma yapılmıştır. Çalışma,gösteriminin kolay olması ve temelde dayandığı önemli matematiksel modellemeyöntemleri nedeni ile kural tabanlı bir çıkarsama algoritmasının önerilen sistemeuygun bir şekilde uygulanması ile gerçekleştirilmiştir. Sonuçta, örnek olarak seçilentiroit hastalıklarının teşhisi problemine, 2800 vaka üzerinde %96,9 doğru sonuçüretilmiştir. Üretilen sonuçlar ve sisteme girilen gerçekler, önerilen çözümdekibirlikteliğe imkân verecek yapıda hazırlanmıştır.Anahtar Kelimeler: Karar verme, Klinik karar destek sistemleri, Kural TabanlıSistemler
Hipokrat-I: Bayes ağı tabanlı tıbbi teşhis destek sistemi
Klinik karar destek sistemleri; klinik kararlarda destek sağlayan bilgisayarprogramlarıdır. Bu sistemler hekimlere, hastalara ait özel klinik bilgileri dikkate alarak kararverebilmeleri için yardım eder. Klinik karar destek sistemleri; sağlık bakım hizmetlerininkalitesini geliştirme, erken teşhis, hataları önleme, uygun tedavi ve maliyetlerin azaltılmasıgibi konularda büyük faydalar sağlayabilir. Tıp alanının oldukça geniş olmasından dolayı butür sistemler sadece belirli bir alt dalda teşhis desteği verebilmektedir.Bu tür sistemlerin oluşturulmasına 1970'lerde başlanmış ve 80'lerdeki Yapay Zekaakımı ile en uç noktasına ulaşılmıştır. Daha sonra pek de üzerinde durulmayan bu konu sonyıllarda yaşanan teknolojik gelişmelerle (özellikle işlemci güçleri ve saklama alanlarınınartması) tekrar gündeme gelmiştir. Tıp alanında teşhis desteği veren sistemler geliştirilirkenYapay Sinir Ağları, Bulanık Mantık, Kural Tabanlı Yaklaşım ve Bayes Ağları gibi yöntemlertercih edilmiştir.Tez kapsamında yukarıda bahsi geçen teknikler incelenmiş ve Bayes Ağ yapısı ile birteşhis destek sistemi oluşturulmuştur. Bu sistem tiroit hastalıkları üzerinde geliştirilmiş olupfarklı tiroit çeşitlerini teşhis edebilmektedir. Sistemin oluşturulabilmesi için elektronik veelektronik olmayan hasta kayıtlarından yararlanılmıştır. Ayrıca ilgili hastalığın teşhisinegidilirken uygulanacak testler, hangi konsültasyonların yapılacağı ve ilgi bulguların tanıyayaklaşık hangi oranda katkıda bulunduğu alan uzmanlarının yardımı alınarak belirlenmiştir.Bu çalışmanın ileriki zamanlarda geliştirilecek olan melez teşhis sisteminin birbacağını oluşturması planlanmaktadır. Bu melez sistem, kural tabanlı yaklaşım ile Bayesağlarını birleştirecek bir yapıdır. Her iki alt modülün kendisine ait çıkarsama mekanizmasıolacak ve elde edilen sonuçlar verilecek ağırlıklara göre doğrusal olarak birleştirilerek ilgiliteşhisler kullanıcıya sıralanacaktır.Anahtar Kelimeler: Karar verme, Karar destek sistemleri, Klinik karar destek sistemleri,Yapay Zeka, Kural Tabanlı Sistemler, Bayes Ağları
Web servisleri tabanlı coğrafi bilgi sistemleri
Açık kaynaklı coğrafi konumsal konsorsiyumu, coğrafi bilgi sistemlerikomitesi olarak geniş çapta bünyesinde çeşitli sayıda veri modelleri ve çevrim içiservisleri adapte etmektedir. Web servis özelliği olmayan versiyonlara göre, servisodaklı web harita servislerinin farklı bir istek/yanıt mekanizması bulunmaktadır. Buweb harita servis mekanizması da çeşitli öznitelikler ile genişletilebilir. Bu tezçalışmasında, CBS servisleri ile web servislerinin ekstra bilgi ve kabiliyetlerininolduğu fark edilmiştir. Ayrıca OGC standartları ile web servis standartlarınınbirbirine uygun olduğu, CBS servisleri ile OGC uyumlu servislerin arasında yararlıilişkilerin kurulduğu, CBS uygulamalarındaki web servislerinde servis üreticilerinin,web servisleri şeklinde kullanılabildiği de gözlemlenmiştir.Bu tez çalışmasında amaç, web servisleri temelleri ile coğrafi bilgi sistemleriözelliklerine bağlı olarak uygulamalar geliştirmek, ve bu uygulamaları tamamen açıkkaynaklı araçlar ve yazılımlar kullanarak geliştirmektir. Araştırmalar sonucunda CBSyayınlayıcı araç olarak, OGC uyumlu UMN MapServer kullanılmasına kararverilmiştir. Ancak bu araç üzerinde fark edilen nokta olarak, web servislerine aitWSDL dokümanı oluşturamadığı anlaşılmış ve bu oluşturamama yazılımınıgerçekleştirdiğimiz web servislerinin başka platformlarda kullanılmasınıdesteklemediğinden bunun çözümünü geliştirmek, tez uygulamasında çözülmesigereken bir problem olarak tespit edilmiştir. Uygulama bazında web haritaservislerine (WMS) odaklanılmıştır. UMN MapServer, açık kaynak coğrafiikonumsal servis özelliklerini, bu servislerin WSDL dokümanlarını oluşturmadandestek vermektedir. Uygulamamızda SOAP istemci/sunucu mekanizmasıkullanılarak, UMN MapServer, harita sunucusunun OGC uyumlu WSDL dokümanıelde edilmesi sağlanmıştır. Böylelikle UMN MapServer harita sunucu aracınınönemli bir eksikliği tez uygulaması çalışmamızda giderilmiştir.Anahtar Kelimeler: OGC (Açık Coğrafi konumsal Konsorsiyumu), Web Servis,GIS (Coğrafi Bilgi Sistemi, CBS), WMS (Web Harita Servisi), WFS (Web ÖzellikServisi), XML (Genişletilebilir Metin Dili), OWS (Açık Coğrafi konumsal WebServis), Harita Sunucusuii
XML veritabanlarında kelime ve kesme dizinlemelerini karşılaştırma
Günümüzde yaygın bir şekilde kullanılmaya başlanılan XML, sadece webuygulamalarında değil kendine özgü özellikler ve fonksiyonlar içeren veritabanlarısayesinde popüler bir işaretleme dili haline gelmiştir. Bununla birlikte içerikyönetiminde (CM) belgelerin veritabanlarında saklanılmasında da kullanılmayabaşlanılmıştır. Bugün Doküman Yönetim Sistemlerinin (DYS) belge saklamaformatında XML kullanılmaktadır. Teknolojik imkanlar geliştikçe belgelerinyapılarında ve içeriklerininde de değişiklik meydana gelmektedir. İçerikbakımından gelişen belgelerin veritabanlarında saklanması ve sorgulanmasındakullanılan yöntemlerde de gelişmeler meydana gelmektedir. Bu tez çalışmasında,XML'in genel kullanımı hakkında detaylı bilgi edinilmiş, XML belgelerininveritabanlarında saklama ve sorgulamanın performansını iyileştirilmesindekullanılan dizinleme yötemleri incelenmiştir. Bununla birlikte yazılan bir arayüzsayesinde aynı içeriğe sahip farklı yöntem ile saklanan XML belgelerinin kelimedizinleme ve kesme dizinleme kullanılarak sorgulama performansları ortayaçıkarılmaya çalışılmıştır.Bu tez çalışmasında amaç, içerik bakımından gelişen XML dökümanlarının sayıcafazlalaşması durumunda veritabanlarında kullanılan sorgulama performansınınartırması hedeflenen yeni dizinleme yöntemleri için alt yapı oluşturmaktır. Bunedenle dizinleme yöntemleri üzerine odaklanılmıştır. Gelecekte XML belgelerininsorgulama performanslarını artırarak veritabanlarında daha fazla sayıda ve genişiçerikte XML belgelerinin saklanabilmesi hedeflenmiştir.
Konumsal dizinleme yöntemlerinin karşılaştırılması
KONUMSAL DİZİNLEME YÖNTEMLERİNİNKARŞILAŞTIRILMASIMURAT SEÇKİN AYHANÖzetBilgisayar bilimlerinde yaşanan gelişmelerle ve bunların sonucu olaraküretilen teknolojilerin artmasıya birlikte coğrafi bilgi sistemleri (CBS) ve bilgisayardestekli tasarım (BDT) uygulamaları gibi temel veri tiplerinden farklı, konumsal veritipleriyle de ilgilenen sistemler günlük hayatta daha sık yer almaya başlamıştır. Bufarklı ve karmaşık veri tiplerinden oluşan büyük veri kümelerinde sorguları verimliişleyebilmek için konumsal erişim yöntemleri gereklidir. Open GeospatialConsortium (OGC) tarafından sektörel bazda ortak standartlar belirlense dedizinleme konusunda şu ana kadar kabul gören herhangi bir standart yoktur.TUBITAK tarafından desteklenen SOBAG-105K040 Evliya Çelebi CoğrafiBilgi Çekirdeği Projesi kapsamında, konumsal dizinleme yöntemleri incelenmiş vekarşılaştırmalı olarak değerlendirilmiştir. İncelenen yöntemler R-ağacı, STR-ağacıve MX-CIF 4'lü ağacıdır. İstatistiksel dağılımlar ve Bezier eğrileri yardımıylaüretilen sentetik veriler kullanılarak uygulanan test senaryoları ile başarımlarıkıyaslanan bu yöntemler arasında en başarılı sonuçları STR-ağacı vermiştir. Fakatdurağan veri kümelerine daha uygun olan bu yöntem sık veri güncellemesi yapılansistemlerde sıkça yeniden yapılandırma işlemi gerektirecektir. Dinamik ortamlardaR-ağacı veya MX-CIF 4'lü ağacı kullanılması daha uygun olacaktır.Anahtar Kelimeler : Konumsal Dizinleme, Konumsal Erişim Yöntemi,Konumsal Veritabanı, Bezier Eğrisi, PostgreSQL, R-ağacı, STR-ağacı, MX-CIF4'lü ağacı
Protein homoloji tespitinde bir üst sınıflandırma yaklaşımı
ÖZETPROTEİN HOMOLOJİ TESPİTİNDE BİR ÜST SINIFLANDIRMA YAKLAŞIMIAydın Can POLATKANBaşkent Üniversitesi Fen Bilimleri EnstitüsüBilgisayar Mühendisliği Anabilim DalıHesaplamalı biyoloji alanında sınıflandırma problemleri için makine-öğrenmeteknikleri sıkça ve geniş şekilde kullanılmaktadır. Bu teknikler, girdi olarak sabituzunluklu nitelik vektörleri istemektedir. Proteinler farklı uzunluklara sahipolduklarından, tüm protein dizilimlerini sabit sayıda nitelik ile göstermek gerekir.Bu amaçla geliştirilen etkili yöntemlerden biri protein dizilimlerinin n-peptitbirleşimleridir. Yöntem n uzunluktaki her alt dizginin dizilim içerisindeki görülmeyüzdesini ifade eder. Alan karmaşıklığını azaltmak amacıyla, n'nin artan değerleriiçin, kullanılan aminoasit alfabesi, sonuç vektörün günümüz bellek kaynaklarıylauyumlu olmasını sağlayacak şekilde düzenli olarak küçültülmüştür.Kullanılan çözümde birleşime ait bütün özellik girdileri sadece bir sınıflandırıcıya topluolarak verilmekteydi. Bu tezde, özellik girdileri n-peptit birleşimlere ve küçültülenamino asit alfabelerine göre farklı gruplara ayrılıp, farklı sınıflandırıcılara verilmiştirböylece soyutlanarak daraltılan arama uzayında, gezinen birden fazla tekniğe, bir üstsınıflandırma yaklaşımı denenmiştir. Amaç doğru şekilde yakınsanan, bizi birbirindenfarklı çözüm bölgelerine ulaştıran tekniklere üstsel sınıflandırma yaklaşımı ile daha iyisonuçlar alabilmektir. Bu yaklaşımda farklı sınıflandırıcıların çıktı değerlerinideğerlendirmek üzere ortalama alma, ağırlıklı ortalama alma, öğrenme kümesinde enbaşarılı olanı seçme gibi değişik durumlar karşılaştırılmıştır.Herbir yöntem hesaplamalı biyolojinin önemli ve güncel problemlerinden biri olanuzak homoloji tespiti üzerinde test edilmiş, sonuçlar karşılaştırmalı olaraksunulmuştur.Sonuçlara bakıldığında eğitim kümesinde en başarılı olan sınıflandırıcının sonucunundoğru kabul edildiği durumun en etkili olduğu gözlenmiştir. Sonuçlar arasındakiistatistiksel anlamlılığı dikkatlice incelemek için yöntemler arasında öğrenci T-testleriyapılmış, testlerin sonuçları yorumlanmıştır. Denenen üst sınıflandırma yaklaşımlarıyalnız bir sınıflandırıcı kullanılan duruma göre daha etkili bellek kullanımına sahiptir.Destek vektör makineleriyle test edilen üst sınıflandırma yaklaşımının diğersınıflandırma problemlerinde de başarılı olacağı düşünülmektedir.Anahtar Sözcükler: Protein Homoloji Tespiti, N-peptit Birleşimler, Destek VektörMakineleri, Sınıflandırma, Üst Sınıflandırma.Danışman: Hayri SEVER, Prof. Dr., Çankaya Üniversitesi, Bilgisayar MühendisliğiBölümü
Ev ve iş yeri otomasyonunun uzaktan çoklu yöntemle sağlanması
Bu çalışmada ev ve işyeri otomasyonunun uzaktan çoklu yöntemle sağlanması amaçlanmıştır. Bu alanda yapılan önceki çalışmalarda uzaktan denetim ayrı ayrı kanallar üzerinden yapılmıştır. Yapılan bu çalışmada ise var olan denetim yöntemleri birleştirilerek birden çok kanalla uzaktan erişim sağlanması amaçlanmıştır. Bu erişim seçenekleri arasında web sitesi, el bilgisayarı, akıllı telefon, kısa mesaj ve çevirmeli telefon yer almaktadır. Uzaktan denetim metotları sayesinde kullanıcıya mekan ve zamandan bağımsız, sisteme kolay ve esnek ulaşma olanağı sağlanabilir.Bu doğrultuda yazılım ve donanım tabanlı bir sistem geliştirilmiştir. Yazılım .NET platformu ve çok katmanlı mimari yapı kullanılarak geliştirilmiştir. Donanım olarak sunucu ve mikrodenetleyici devresi kullanılmıştır. Erişim metotlarından sisteme gelen bilgiler sunucu veritabanında toplanmaktadır. Çoklu denetim kanalları sistem erişim yöntemleri detayları ile sunulmuştur.Tasarlanan sistem sayesinde çoklu yöntemle uzaktan kontrolün etkili bir şekilde kullanılması deneysel olarak analiz edilmiştir.
Bir yazılım ölçüm sistemi NBv1.1 : C dilindeki öğrenci programları ölçümü tasarım ve gerçekleştirimi
Bu çalışma, bilgisayar yazılımı öğreten kurumlara, bir destek aracı olarak geliştirilmiştir. Yazılım fiziği, profesyonel programlar için program boyu (programcının yazılım stilinden bağımsız olarak), yazılım emeği kestirimi gibi önemli ölçümleri oldukça duyarlı biçimde yapabilmektedir. Yine, yazılım fiziği parametrelerinin, öğrenci programları arasında yüksek oranda eşleşmesi, ?değişken adı değiştirerek?, yazılım fiziğinin, kopya tespit etme yöntemi olarak kullanılabileceğini göstermiştir. Bu çalışmada, Yazılım Fiziği (Software Physics) kuramı, derleyici gerçekleştiriminin önişleyici, tarayıcı ve kısmen sözdizim çözümleme kısımları gerçekleştirilerek C-1999 (ISO9899C programming language) standardındaki yazılımların ölçümü yapılmıştır. Geliştirme sırasında kısmen FLEX ve YACC yazılımları kullanılmış, bu çalışma için oluşturulan yazılıma entegre edilmiştir. Gerçekleştirilen tez yazılımı NB v.1.1, ikinci ve üçüncü sınıf bilgisayar öğrencilerinin yazmış olduğu C programları üzerinde sınanmıştır.
Alerjen proteinlerin otomatik sınıflandırılması
Alerjen proteinlerin tanınması ve sınıflandırılması, özellikle son yıllarda sıkça kullanılan genetik değişikliğe uğramış gıdaların denetlenmesi ve biyo-ilaçların tasarımı açısından büyük önem kazanmıştır. Dünya Sağlık Örgütü ve Gıda ve Tarım Örgütü kurumları bu amaçla alerjen proteinlerin tespiti için bazı rehberler hazırlamıştır. Ancak, bu rehberlerde önerilen yöntemler çoğunlukla yarı-otomatik gerçekleştirilen ve tahmin yeterliliği düşük olan yöntemlerdir. Son birkaç yılda bazı otomatik yöntemler önerilse de bunlar ya istenilen yeterlilik seviyesine ulaşamamış ya da işlem zamanı ve bellek gereksinimi açısından avantajsız olmuşlardır. Bu çalışmada, alerjen proteinlerin sadece dizilim verisi kullanılarak, farklı makine öğrenme yöntemleri bilinen bazı dizilim gösterim yaklaşımları ile denenmiştir. Farklı dizilim gösterim yöntemleri için K-En Yakın Komşu, Bulanık K-En Yakın Komşu ve Destek Vektör Makineleri (DVM) kullanılmış ve sonuçlar karşılaştırmalı olarak verilmiştir.
Yarı otomatik ders programı sistemi
Çizelgeleme problemleri, belirli zaman aralıklarında kaynak kısıtlarını göz önünde bulundurarak makul bir şekilde atama gerektirir. Üniversiteler için ders programı hazırlama da bir çizelgeleme problemidir. Bu yerleştirme karar ağacında çok sayıda dallanma içeren bir konudur. Yarı Otomatik Ders Programı Sistemi, bir ön analiz ile eldeki atama sorununu ?imkânsız?, ?güç?, ?tipik?, ?kolay? altkümelerine ayırmakta, ilk gurupta atama yapma ağacını oluşturmayı reddetmekte, diğerlerinde ise stratejik altkümeye uygun atamalar yapmaktadır.Bu problemin çözümünde akıllı ajanlar kullanılmıştır. Bu sayede çok büyük olan dallanma sayısı akıllı ajanların isteklerine göre otomatik olarak azalmıştır. Akıllı ajanlar olarak öğrenci, öğretim üyesi, dekan, bölüm başkanı, bina sorumlusu kullanılarak bu kişilerin istekleri anket ile alınmıştır. Bu istekler de atamanın oluşmasına yön vermiştir.Bu problemin verileri ORACLE veri tabanında saklanmış olup, atamanın sağlandığı programlama dili JAVA'dır. Herhangi bir fakültenin ihtiyaç duyduğu kısıtların kolayca girilebildiği, çözümlerin üretilebildiği, değiştirebildiği ve bilgilerin saklanabildiği, yarı otomatik ders programı hazırlayan bir uygulama geliştirilmiştir.Aynı zamanda kullanıcı dostu bir ara yüz oluşturulmuştur.Bu problemde atamanın ne kadar iyi olduğunu görmek için altı akademisyenin mümkün olduğu kadar objektif değerlendirmeleri kullanılmıştır.
Karınca kolonisi algoritması ile bilgisayar ağlarının topolojik en iyilenmesi
Bilgisayarların ve bilgisayar ağlarının yaygınlaştığı günümüzde düşük maliyetli ve güvenilirliği yüksek bilgisayar ağlarının kurulumunun önemi giderek artmaktadır. Teknolojinin hızla gelişmesinden dolayı büyük boyutlu problemlerin çözülmesi üstel olarak artan hesaplama karmaşıklığı gerektirmekte ve tam sonucun hesaplanması imkansız hale gelmektedir. Bu problem için bugüne kadar Genetik Algoritma, Tabu Arama, Tavlama Benzetimi, Yapay Sinir Ağları gibi çeşitli sezgisel algoritmalar geliştirilerek kullanılmıştır. Bu çalışmada NP-zor bir problem olan bilgisayar ağlarının güvenilirlik kısıtı altında topolojik en iyilenmesi ele alınarak bu problemin çözümü için bilgiye dayalı melez bir karınca kolonisi algoritması geliştirilmiş ve algoritmanın etkinliği çalışma zamanı ve çözüm kalitesi açısından incelenmiştir.
Sayısal benzetim yöntemi ile yağmur suyu şebekelerinin değerlendirilmesi
Kentsel bir bölgede meydana gelen yağışın oluşturduğu akımların, yağmur suyu drenaj şebekesindeki gerçek zamanlı davranışları hidrolik benzetim yoluyla incelenebilmektedir. Bir yağmur suyu drenaj şebekesi kanallarında meydana gelen akımın yüksekliği ve hızı, sığ su modelleme denklemleri olarak da bilinmekte olan Saint Venant denklem sistemi ile ifade edilmektedir. Bu tezde, hiperbolik yapıdaki Saint Venant denklemleri, bir sonlu farklar yöntemi olan MacCormack yöntemine dayanan algoritma kullanılarak çözülmüştür. Yüzeyde oluşan akımların drenaj sistemine giriş noktaları olan bacalarda süreklilik ve enerji denklemleri ayrıca uygulanmamış, bacalardan giren yağmur sularının doğrudan kanallara geçtiği varsayılmıştır. Sayısal benzetim sırasında elde edilmiş olan sonuçların giriş verileriyle tutarlı oldukları gösterilmiştir.
Düzenleyici DNA otiflerinin tahmini
Gen ifadelerini düzenleyen mekanizmaların anlaşılması, moleküler biyolojideki önemli araştırma konularından birisidir. Bu konudaki önemli problemlerden birisi, transkripsiyon (yazım) faktörleri için Deoksiribonükleik Asit'te (DNA) bulunan bağlanma konumları gibi düzenleyici elemanları (motifleri) tanıma işlemidir. Son yıllarda bu amaç doğrultusunda birçok araç tasarlanmıştır. Önerilen bu araçlara rağmen DNA motiflerinin tahmini hala anlaşılmayan bir konu olarak kalmaya devam etmektedir. Bu çalışmada, Olasılıksal Sonek Ağacı (OSA) kullanılarak yeni bir motif tahmin yöntemi önerilmiştir. Deneysel sonuçlar başka motif bulma araçları ile karşılaştırmalı olarak değerlendirilmiştir. Elde edilen sonuçlar, önerilen yöntemin fare ve insan canlılarına ait motiflerde karşılaştırılan diğer yöntemlerden daha iyi sonuçlar verdiğini göstermiştir.