3.283
Arşivlenen Tez
0
DOI Atanmış
0%
DOI Oranı
Anabilim Dalı
İnsansız hava aracı tasarımı ve kontrolü
Dört motorlu araçlar dikey iniş kalkış (Vertical Take-off & Landing, VTOL) ve manevra kabiliyeti sayesinde klasik insansız hava araçlarına göre birçok avantaja sahip olmakla birlikte son yıllarda birçok araştırmacı tarafından çalışılan bir insansız hava araçlarıdır. VTOL özelliği sayesinde engebeli ve kısıtlı ortamlarda uzun piste ihtiyaç duymadan kullanılabilmektedir. Bu çalışmada 4 motorlu uçuş araçlarının tasarımları incelenerek ihtiyaçlar doğrultusunda özelleştirilecek olan tasarımın detaylı anlatımı yapılacak ve kontrolü için bir istasyon geliştirilecektir. Geliştirilecek olan yazılım ile insansız hava aracının kontrolü sağlanacak ve araç üzerinde bulunan sensörler ile ortamdan alınan veriler işlenecektir. Bu control istasyonu ile insansız hava aracını uzaktan kumanda ederek kullanmak veya otonom görevleri takip etmek, havada kaldıkları süre içinde ve görüş alanı dışında iken yer ve durumunu izlemek için kullanılacaktır. Böylece askeri amaçlar için geliştirilen insansız hava aracı teknolojisinin arama kurtarma alanında kullanımı sağlanacaktır.
MR görüntülerinde menisküslerin segmentasyonu ve menisküs yırtıklarının tespiti
Medikal veriler hastalıkların tanı ve teşhisinde kullanmaya uygun çok değerli bilgiler içermektedir. Ancak veri setlerinin büyüklüğü ve karmaşıklığı verilerin sınıflandırılmasını zorlaştırmaktadır. Bu durum tıbbi veriler üzerinde otomatik tespit sistemlerinin yaygın hale gelmesini sağlamıştır. Bu verilerden birisi de bu tez çalışmasının konusu olan diz eklemi menisküs yapılarıdır. Menisküs yırtıkları, özellikle sporcularda ve ileri yaşlarda yaygın olarak görülen diz rahatsızlıklarından biridir. Bu yüzden doğru teşhisin doğru zamanda konulması osteoartrite gibi dizde oluşabilecek farklı rahatsızlıkların önüne geçilmesini sağlamaktadır. Bu çalışma, radyologları desteklemek için (i) menisküslerin bölütlenmesi ve yırtıkların tespit edilmesi, (ii) erken teşhis ve tedavinin sağlanması ve (iii) manyetik rezonans (MR) görüntülerini değerlendirenlerin farklılıklarından kaynaklanan hataların azaltılması için bilgisayara dayalı ve otomatikleştirilmiş yeni yaklaşımlar önermektedir. Gerçekleştirdiğimiz çalışmalarda bu amaçlar doğrultusunda Osteoartrite Girişimi (OAI) tarafından sağlanmış sagital düzlemde elde edilmiş, denge durumunda su-uyarımlı çift yankılı standardında MR görüntüleri kullanılmıştır. Tez kapsamında iki farklı ve kapsamlı çalışma gerçekleştirilmiştir. İlk çalışmada yönlendirilmiş gradyan histogramları (HOG) ve yerel ikili örüntüler (LBP) MR görüntülerinden özellik çıkarımı için, aşırı öğrenme makinesi (ELM) ve rastgele ormanlar (RF) yöntemleri de model öğrenmede (regresyon) kullanılmıştır. Öncelikle menisküsleri sınırlayan en ufak dikdörtgen pencereler bulunmaktadır. Bundan sonra, menisküs sınırları morfolojik süreçlerle açığa çıkarılmaktadır. Ardından, bu sınırlar ile gerçek sınırlar arasındaki benzerlikler ölçülmekte ve birbirleriyle karşılaştırılmaktadır. Dice benzerlik ölçütüne göre en yüksek menisküs bölütleme başarısı % 82.73'tür. İkinci çalışmada menisküslerin bölütlenmesi ve menisküs yırtıklarının otomatik olarak sınıflandırılması için önceki yöntemden farklı ve yeni bir yaklaşım önerilmiştir. Bu çalışma ise önişleme, bölütleme ve sınıflandırma olmak üzere üç temel aşamadan oluşmaktadır. Önişlem aşamasında MR kesit görüntülerinden menisküslerin yer aldığı pencerelerin elde edilmesi işlemi gerçekleştirilmiştir. Bölütleme aşamasında bulanık c-ortalamalar (BCO), mekansal bulanık c-ortalamalar (MBCO) ve güçlendirilmiş mekansal bulanık c-ortalamalar (GMBCO) kümeleme yöntemleri ile menisküs yapıları bölütlenmiştir. Bölütlenmiş görüntüleri sınıflandırarak menisküs yırtıklarını tespit etmek için ise en yakın k komşuluğu (kNN), aşırı öğrenme makinesi (ELM) ve destek vektör makineleri (SVM) sınıflayıcıları kullanılmıştır. Yöntem menisküslerde yırtıkların olup olmadığını, eğer varsa yırtıkların menisküsün hangi bölgesinde (Ön boynuz, menisküs gövdesi, arka boynuz) olduğunu ve yırtık tiplerinin (yatay, dikey vb.) ne olduğunu 3-4 dakikalık bir süre zarfında ortaya koymaktadır. Önerdiğimiz sistem literatürde daha önce gerçekleştirilmemiş olan, menisküsleri yırtık tiplerine göre sınıflandırma işlemini %84.97'lik bir başarı oranı ile gerçekleştirmektedir. Bu yönleri sayesinde çalışma kapsamında önerilen bilgisayar destekli teşhis sistemleri (CAD) radyoloji uzmanları tarafından menisküs bölütlenmesinde ve menisküs yırtıklarının teşhisinde bir karar destek sistemi olarak kullanılabilir. Anahtar Kelimeler: Bölütleme, Diz eklemi, Menisküs, Medikal görüntüler, Bilgisayar destekli teşhis, Menisküs yırtıkları, Manyetik rezonans görüntüleme.
Automatic detection of code causing negative effects on software quality
The quality of IT software systems outlined by how well it has been designed from the internal and external points of view, also by how well the prerequisites have been met . Ease of developing and maintenance are the targeted factors that ensure successful completion and continuous use. From Steve McCall's perspective[1], software quality characteristics can be categorised for: External and Internal factors .The external quality factors such as reliability, correctness, accuracy, reusability and integrity concern the end user. The external software quality isn't mentioned in this study. The most reveal factors of internal software quality are maintainability, re-usability, flexibility and testability. These factors concern the developers and they ease development and maintenance also. However, they are affected negativly by bad coding styles in the source code that is known as Code Smells. One of the important princepals in object orienred programming is to build classes with high cohesion and losely coupled. This principle can be violated by one type of code smells known as Feature Envy. In the same context of object-oriented programming, the concept of inheritance has been known as a key feature proposed to increase the amount of software reusability. However, using inheritance is not always the best solution, particularly if it is utilized in improper cases where other types of relationships would be more appropriate. One of the particular issues that violate inheritance principles is the Refused Bequest code smell.These design smells can be detected by expert developers and when they are detected, it is very important to refactor them to bring up with a better coding design that improves the system's code quality. Manually searching for code smells in a large code base will take a significant amount of time. Software metrics gives a clear view of the tested software status.Metric based detection technique eases the detection task. Even new developers will have the ability to analyse and detect code flaws automatically without the need for an experts. Metrics values have the important role in modern developing procedures. Therefore automatic detection of code smells can be done in reasonable time and effort. And consequently reflects on the software quality. This study aims to detect some types of code smells in Java code. We have used object oriented metrics, static code analysis techniques to detect the code smells.
Hücresel mobil iletişim sistemlerinde dolandırıcılık risk yönetimi
Bu çalışmada GSM operatörleri için risk oluşturan dolandırıcılık olaylarının tespiti için kullanılan risk yönetim sistemlerinin performansları incelenmiştir. Mevcut performansı arttırabilmek için 4 farklı makine öğrenmesi yöntemi (K-En Yakın Komşu, Naive Bayes, Rasgele Orman, Destek Vektör Makinesi) kullanılmıştır. X GSM operatörüne ait 2 aylık bir zaman diliminde dolandırıcılık şüphesiyle aksiyon alınan (Servis Kapama, Tam Kapama) 5.641 örnek için 76 farklı özellik çıkarılmış ve 4 farklı makine öğrenmesi yöntemi ile bu örnekler yeniden sınıflandırılmıştır. Aynı zamanda özellik azaltma yapılarak elde edilen 10 özellikli yeni veri seti üzerinde aynı makine öğrenmesi yöntemleri ile tekrar sınıflandırma yapılarak performans karşılaştırması yapılmıştır. Son yıllarda özellikle ses, resim ve el yazısı tanımasında oldukça başarılı sonuçlar elde edilen Derin Öğrenmeye de çalışmada yer verilmiştir. Mevcut veri seti üzerinde Derin Öğrenme algoritmaları da test edilerek başarıları makine öğrenme yöntemleriyle karşılaştırılmıştır
Yapay sinir ağlarının eğitiminde örneklerin zorluk seviyesine göre sıralanmasının etkisinin incelenmesi
Makine öğrenmesinde popüler konulardan olan Planlı Öğrenme (Curriculum Learning) ve Kendini Planlayan Öğrenme (Self paced Learning) eğitim örneklerinin zorluk seviyelerine göre sıralanarak öğreniciye verilmesini önermektedir. Bu konulardaki çalışmalar küçük bir eğitim kümesi ile başlayıp zorluk seviyesine göre yeni örnekler ekleyerek devam etmenin öğrenme performansını geliştirdiğini göstermektedir. Literatürdeki çalışmalarda örneklerin kolaydan zora sıralanmasının yanı sıra zordan kolaya sıralanması ile de daha iyi performans elde edildiği görülmektedir. Bu tez çalışmasının 3. Bölümünde Planlı Öğrenme ve ters versiyonunun birçok uygulama alanına adapte edilmesi için zorluk seviyelerinin otomatik olarak belirlendiği bir yöntem üzerinde çalışılmıştır. Örnekler bu yöntem ile kolaydan zora ve zordan kolaya sıralanarak öğreniciye verilmiş ve elde edilen sonuçlar klasik eğitim metodu ile karşılaştırılmıştır. Karşılaştırmalar sonucunda uygulama alanlarının önemli bir kısmında sıralama yapılan yöntemlerin istatistiksel açıdan anlamlı ve daha başarılı bir performans gösterdiği görülmüştür. Örneklerin kolaydan zora sıralanması ile daha iyi bir performans görülmesi beklenen bir durumken zordan kolaya sıralanması ile de iyi sonuçlar elde etmek şaşırtıcı bir durumdur. Bu nedenle Planlı Öğrenme ve ters versiyonunun her ikisinin de başarılı olmasının altında yatan sebepler üzerine araştırmalar yapılmıştır. Çalışmanın 4. Bölümünde sıralama yapılan yöntemlerin daha başarılı olmasının aslında sıralama yapıyor olmalarından değil eğitim kümesinin aşamadan aşamaya büyüyor olmasından kaynaklandığı öne sürülmüştür. Bu nedenle örneklerin anlamlı bir sıralama ile değil de rastgele düzenli büyüyen kümeler halinde verilmesinin de öğrenme performansını artıracağı düşünülmüştür. Önerilen yöntemin teorik alt yapısı açıklanmış ve uygulama bölümünde önceki yöntemlerle karşılaştırılmıştır. Karşılaştırmalar sonucunda rastgele düzenli büyüyen kümeler yönteminin tüm örneklerin tek aşamada verildiği klasik eğitim metodundan daha başarılı Planlı ve Kendini Planlayan Öğrenme yöntemleri ile yakın bir performans gösterdiği görülmüştür. Teorik ve deneysel çalışmalar neticesinde Planlı Öğrenme ve ters versiyonun ortak özelliği olan büyüyen kümelerle eğitim yönteminin optimizasyon sırasında daha iyi bir yerel minimum bulmayı sağlayan bir özelliğinin olduğu ve bu sebeple tek aşamada gerçekleştirilen eğitimden daha düşük hata oranlarının elde edebildiği sonucuna varılmıştır.
Örtülü olarak tanımlanmış özelliklere dayalı ve ontoloji destekli düşünce madenciliğine bir yaklaşım
İnternet üzerinden satış yapan kuruluşlar genelde müşterilerinin satın aldıkları ürün/hizmet ile ilgili değerlendirmelerini isterler. Gittikçe gelişen bir yapıda olan eticaret sayesinde müşteri değerlendirmelerinin sayısı hızla büyümektedir. E-ticaret kuruluşu sayısının ve müşteri sayısının oldukça fazla artması sonucunda, potansiyel müşterinin ürün ile ilgili karar verme aşamasında bu değerlendirmeleri okuması zorlaşmaktadır. Aynı zamanda ürün sahibininde bu değerlendirmeleri takip etmesi neredeyse imkânsız hale gelmektedir. Müşteri yorumlarından yola çıkarak, ürünlere ait özelliklerin çıkarımı, görüş/düşünce/yorum madenciliği (opinion mining) alanında önemli bir alt araştırma alanıdır. Çıkarılan özellikler, belirli ürünleri satın alan müşteriler tarafından yazılan görüşlerin değerlendirilmesine yardımcı olmaktadır. Bu özelliklerle ilgili müşterilerin olumlu/olumsuz deneyimleri ile ilgili düşüncelerini ortaya çıkarmak mümkün olabilmektedir. Bunu gerçekleştirebilmek için, çoğu zaman müşteri yorumlarının biçimsiz düzyazı şeklinde olmasından dolayı, yorum incelemelerinde kapalı ve açık olarak dile getirilmiş ürün özelliklerini çıkarmanın yollarını geliştirmek gerekmektedir. Bu araştırmada, Türkçe dili ile yapılmış olan ürünlerle ilgili görüş/düşünce/yorum paylaşımlarını inceleyip, ürünlerin özellikleri çıkartan ve bu özelliklerle ilgili duygu playlaşımlarını özetleyen bir metodoloji geliştirmeyi amaçlıyoruz. Çalışmamız, eş anlamlı kelime ya da kelime grupları kullanılarak ifade edilen ürün özelliklerinin tespit edilebilmesi ve ürün özelliklerini içeren ontolojiler kullanarak özelliklerin daha büyük doğruluk oranlarıyla tespit edilebilmesi, açılarından diğer çalışmalardan ayrışmakta ve ürün özelliği çıkarma konusunda başarılı sonuçlar sunmaktadır. E-ticaret siteleri üzerinde yer alan bazı ürünler için yapılan görüş/düşünce/yorum verileri üzerinde yaptığımız deneysel çalışma, önerdiğimiz metodolojinin olumlu sonuçlar verdiğini göstermektedir. Anahtar Kelimeler: Metin madenciliği, duygu sınıflaması, yorum özetleme, ontoloji
İki katmanlı entegrasyon mimarisiyle hastalığa özel birliktelik ağı çıkarımı
Hastalıklara neden olan biyolojik mekanizmaların moleküler seviyede keşfi son yıllarda üzerinde önemle durulan bir çalışma alanıdır. İnsan genom projesinin tamamlanması ve DNA dizileme tekniklerindeki ilerlemelerle hastalıklara neden olan süreçler ve bu süreçler altında yatan moleküler ilişkiler daha hızlı ve kolay bir şekilde belirlenmektedir. Gen birliktelik ağları farklı fenotiplere sahip örneklerde benzer örüntüler sergileyen genler arasındaki ilişkilerden oluşan moleküler ilişki ağlarıdır. Benzer örüntü sergileyen genlerin yapılan literatür çalışmalarında benzer biyolojik fonksiyonlara sahip olduğu ve benzer süreçlerde yer aldıkları anlaşılmıştır. Tez kapsamında mikrodizin gen ifadesi, RNA- Seq ve miRNA- hedef gen verileri üzerinde farklı gen ağı çıkarım algoritmaları kullanılarak gen birliktelik ağları elde edilmiştir. Literatürde farklı biyolojik veri kümeleri ve gen ağı çıkarım algoritmalarını aynı yapı içerisinde kullanarak hastalıklarla ilişkilendirilmiş kapsamlı ve doğruluklu gen birliktelik ağı çıkarımı gerçekleştiren çalışma sayısı kısıtlıdır. Tez kapsamında temel hedefimiz farklı gen ağı çıkarım algoritmaları ve biyolojik veri kümelerini birlikte kullanarak göğüs ve prostat kanseriyle ilgili yüksek doğruluklu ve kapsamlı gen birliktelik ağları oluşturmaktır. Bu hedefle kesişim, basit çoğunluk oyu ve birleşim gibi temel entegrasyon yöntemleriyle iki katmanlı bir yapı oluşturularak gen birliktelik ağlarının entegrasyonunu gerçekleştirilmiştir. İki katmanlı entegrasyon mimarisi ile aynı veri kümesi üzerinde farklı gen ağı çıkarım algoritmalarından elde edilen gen birliktelik ağlarının entegrasyonu birinci entegrasyon aşamasında, farklı biyolojik veri kümeleri kullanılarak elde edilen gen birliktelik ağlarının entegrasyonu ise ikinci entegrasyon aşamasında gerçeklenmiştir. Elde edilen gen birliktelik ağlarının performansı biyolojik ve topolojik özelliklerine göre değerlendirilmiştir. Bu iki değerlendirme kriterine ek olarak literatür verileri ile örtüşme analizi yapılmıştır. Sonuç olarak, sadece gen ağı çıkarım algoritmaları kullanılarak yapılan gen birliktelik ağı entegrasyonunun performans arttırımına etkisi kısıtlı iken, farklı biyolojik veri kümelerinden elde edilen gen birliktelik ağlarının entegrasyonunun performans artışı sağladığı gözlemlenmiştir. Çalışmamızda aynı zamanda daha önce miRNA- hedef gen verileri üzerinde gen birliktelik ağı çıkarımında hiç kullanılmamış hash tabanlı birliktelik kuralı algoritmasını uygulayarak ilgili veri kümelerinden teorik olarak 152 hastalıkla ilişkili GBA'lar elde edilmiş ve bu algoritma ARNetMiT R paketi halinde kullanıcılara sunulmuştur.
Gen ağı çıkarımı için proteomik ve gen ifade verilerinin entegrasyonunda ilişki tahmincilerin etkisi
Bu tez çalışmasında gen ağı çıkarım yöntemleri üzerinde önemli etkiye sahip olan ve moleküler etkileşimleri belirlemek için kullanılan ilişki tahmincilerinin, farklı biyolojik veri türlerinin entegrasyonu üzerindeki etkisi incelenmiştir. Tezde incelenen tüm kanser türleri için gen ifade ve proteomik verileri The Cancer Proteome Atlas (TCPA) tarafından sağlanmıştır. Öncelikle korelasyon tabanlı ilişki tahmincilerin etkisi, literatürde sıklıkla kullanılan Gen Ağı Çıkarım (GAÇ) yöntemleri kullanılarak, on altı farklı kanser türüne ait proteomik veriler analiz edilerek incelenmiştir. Ardından, Amerikan Kanser Topluluğu verilerine göre yaygın olarak görülen beş farklı kanser türüne ait proteomik verileri kullanılarak, hastalıkla ilişkili gen-gen/protein-protein etkileşim alt ağlarındaki merkez genler/proteinler tespit edilmeye çalışılmıştır. Bu işlem sırasında literatürde sıklıkla kullanılan karşılıklı bilgi (KB) ve korelasyon tabanlı dokuz ilişki kestirimci karşılaştırılmıştır. İlişki tahmincilerinin performansını ölçmek için altın standart olarak, Hastalık-Gen ilişkileri entegrasyon platformu (DisGeNET) ve Moleküler İmzalar Veritabanı (MSigDB) kullanılmıştır. Oluşturulan ortak ifade ağları ile hastalıkla ilişkili yollar karşılaştırılmış ve ilişki tahmincilerinin performansını değerlendirmek için Fisher'ın kesinlik testi kullanılmıştır. Ağırlıklı korelasyon ağ analizinde (WGCNA) düzenleyici ağların tahmini için kullanılan Spearman ve Pearson korelasyon yaklaşımlarına göre, KB tabanlı ilişki tahmincilerinin başarımının daha yüksek olduğu gözlenmiştir. Korelasyon tabanlı yöntemlerde beş kanser türü için en iyi ortalama başarı oranı %60 iken, KB tabanlı yöntemlerde ortalama başarı oranı James-Stein Shrinkage (Shrink) için %71, Schurmann-Grassberger (SG) için %64'tür. Sonrasında gen ifade ve proteomik verilerinden çıkarımlanmış ağların entegrasyonu sağlanmıştır. Son olarak her bir kanser türüne göre merkez genler ve çıkarımlanmış alt ağlar, araştırmacıların ve biyologların incelemesi için sunulmuştur.
N-seviyeli gizli Dirichlet ayırımı desteği ile tür ve duygu sınıflandırma
Haber başlıklarının türü ve sosyal medyada yapılan paylaşımların duygu durumlarına göre sınıflandırılması gelişen teknoloji ile beraber medya sektöründe kullanım açısından büyük önem taşımaktadır. Bir haberin hangi tür olduğunu anlamanın yanı sıra, kişinin çok ziyaret ettiği haber türü bulunabilmekte ve o kişiye özgü ilgi çekebilecek reklamlar gösterilebilmektedir. Ayrıca, haber ajansları için haberlerin otomatik olarak sınıflandırılması önemlidir. Sosyal medya artık iletişim için kullanılmanın ötesinde birçok alanda etkili hale gelmiştir. Kullanıcılar Facebook, Twitter, Blog gibi sosyal medya araçlarında bir olayla alakalı duygusunu, düşüncesini ve deneyimlerini paylaşabilmektedir. Ayrıca, bu araçlar haber paylaşmak ve organizasyon düzenlemek için de kullanılmaktadır. Sosyal medyada yapılan paylaşımlar ile kişi hakkında bilgi de edinilebilmektedir. Yapılan paylaşımlardaki duygulardan yola çıkarak kişinin ruh hali tahmin edilmektedir. Böylece kişiye özgü sayfalar önerilebilmektedir. Çalışmada haberlerin türlerini ve Twitter'dan paylaşılan tivitlerin hangi duyguya sahip olduğunu tespit etmek amaçlanmıştır. Yöntem olarak konu modelleme algoritması Gizli Dirichlet Ayırımı (GDA), N seviyeli bir yapıda geliştirilerek kullanılmıştır. Haberler için oluşturulan veri seti Milliyet, Mynet gibi sitelerden yararlanılarak oluşturulmuştur. Tivitlerin duygu tespitinde kullanılan veri seti de Türkçe tivitlerden oluşturulmuştur. Haber veri seti en fazla 7 sınıflı iken; tivit veri seti kızgın, korku, mutlu, üzgün ve şaşkın duygu türü olmak üzere 5 sınıftan oluşmuştur. Sistemi modellerken kelimelerin kökleri alınmıştır. Köklerin çıkarılması işleminde Zemberek, Snowball ve kelimenin ilk 5 karakterini kök alan yöntemler kullanılmıştır. Haber ve Tivit veri setleri için önce klasik GDA yöntemi ile haberler için konu, tivitler için duygu ataması yapılmış ve sonrasında gerçek etiket değerleri ile karşılaştırarak bir başarı hesaplanmıştır. Klasik GDA yöntemini referans alarak aşamalı olarak değiştirilen GDA yöntemi ile tekrardan konu ve duygu belirleme işlemi yapılarak başarının arttığı gözlemlenmiştir. N-seviyeli GDA yöntemi kullanılarak her haber ve tivit için çıkarılmış olan özellikler kullanılarak Naive Bayes, Multinomial Naive Bayes, Destek Vektör Makineleri, Rastgele Orman ve Çok Katmanlı Algılayıcı gibi makine öğrenmesi yöntemleri kullanılarak sınıflandırıcılar ile sistemin başarısı ölçülmüştür.
Histopatolojik görüntülerin makine öğrenmesi yöntemleri ile analizi
Son yıllarda kanser ve ona bağlı hastalıkların neden olduğu ölümler diğer hastalıkların sebep olduğu ölümlerden daha fazla ön plana çıkmaktadır. Kanser ve ona bağlı hastalıkların erken teşhisi bu hastalığın tedavi edilebilmesi bakımından oldukça önemlidir. Görüntüleme cihazlarının gelişmesi ile birlikte hastalığın görüntülenmesi, takibi ve Bilgisayar Destekli Teşhis (BDT) sistemilerinin de yardımıyla tedavi edilebilmesi mümkün hale gelmiştir. Özellikle yüksek çözünürlüğe sahip tarayıcılar yardımıyla doku ve organlardaki değişimlerin BDT tabanlı sistemler tarafından otomatik olarak tespiti mümkündür. Bu tez çalışması histopatolojik görünütlerin bölütlenmesi ve sınıflandırılması olmak üzere iki ana bölümden oluşmaktadır. Çalışmanın bölütleme başlığında hücresel yapıların bölütlenmesinde süperpiksel yaklaşımı ve derin öğrenme tabanlı semantik bölütleme algoritmaları kullanılmıştır. Özellikle son yıllarda bilgisayarla görü alanında sıkça kullanılan süperpiksel bölütleme yöntemlerinden SLIC, SLIC-DBSCAN, ERS ve TPRS algoritmalarının yüksek çözünürlüklü histopatolojik görüntülerde hücresel yapıların bölütlenmesindeki başarım performansları elde edilmeye çalışılmıştır. Bölütleme amacıyla SLIC süperiksel bölütleme algoritması ve kümeleme tabanlı algoritmalarla birleştirilerek histopatolojik görüntülerde hücresel yapıların bölütlenmesi amacıyla yeni bir bölütleme algoritması önerilmiştir. Elde edilen bölütleme başarıları literatürde sıkça kullanılan yöntemlerle karşılaştırılmıştır. Buna ek olarak literatürde hareketli objelerin takibi, dış ortamdaki nesnelerin bölütlenmesinde oldukça başarılı bir yöntem olan derin öğrenme tabanlı semantik bölütleme (SEGNET) yöntemi hücresel yapıların bölütlenmesinde kullanılmıştır. Bölütleme başarısı incelendiğinde literatürde sıkça kullanılan geleneksel yöntemlerden daha iyi sonuç verdiği gözlemlenmiştir. Histopatolojik görüntülerin sınıflandırılması bölümünde ise hem mitozlu hücrelerin hem de lenf nodlarında yer alan tümörlü bölgelerin özellikle son dönemde oldukça popüler olan evrişimsel sinir ağları yöntemi ile tespiti gerçekleştirilmiştir. Özellikle mitozlu hücrelerin tespitinde geleneksel şekil, renk, doku ve istatistiksel tabanlı özellik çıkarma yöntemleri ile ESA yöntemi karşılaştırılarak performans analizi gerçekleştirilmiştir. Elde edilen sonuçlar incelendiğinde ESA modelinin geleneksel yöntemlerden daha başarılı sonuç verdiği gözlemlenmiştir. Ayrıca verilerin dengesiz olduğu durumlarda dengesiz verilere karşı gürbüz olan sınıflandırma yöntemleri (RusBoost) ile başarımın arttırılabileceği de görülmüştür. Son olarak, Istanbul Medipol Universitesi Hastanesi, İstanbul Teknik Üniversitesi ve Yıldız Teknik Üniversitesi işbirliğiyle rahim ağzı kanseri öncü lezyonlarının derecelendirilmesi ile ilgili literatürde yer alan en geniş veri kümelerinden biri oluşturulmuş ve sınıflandırılmıştır. Elde edilen sınıflandırma başarısı iki patolog tarafından oluşturulan referans verilerle karşılaştırılarak analiz edilmiştir.
Obstacles and reasons that prevent transition to IPV6
The evolution of internet technology has played an ineviTablerole in changing the façade of the world, specifically in terms of improved communication, enhanced organisational processes, etc. However, this whole credit goes to standard internet protocol suite (TCP/IP) that supports millions of internet devices. Since 50 years, internet-based activities were supported by IPv4, but due to increasing number of smartphones and internet driven devices, IPv4 would not be able to fulfil the demands of its consumers in the upcoming years. Considering the scenario, IPv6 has been introduced to act as a viable solution to the depletion of addresses that is expected to be encountered in the near future. However, there are certain factors that are hindering the transition of IPv4 to IPv6. The present research study has been conducted to analyse the factors that are hindering the adoption of IPv6. In this account, survey questionnaire has been conducted with 153 IT experts, working in Iraqi companies. The findings have revealed that lack of leadership support, perceived ease of use, need of skilled employees, and increased cost are the main factors that are restricting the organisation to shift from IPv4 to IPv6.
Adaptif öğrenme oranı ve karmaşık sayıların makine öğrenmesine etkisi
Öğrenme katsayısı, yapay sinir ağlarının eğitim performansını doğrudan etkileyen temel hiperparametrelerden biridir. Bu parametrenin uygun seçilmemesi, ağın yakınsama hızını, genelleme kabiliyetini ve eğitim sürecini olumsuz yönde etkilemektedir. Literatürde bu problemin çözümü için adaptif öğrenme katsayıları, hata temelli dinamik ayarlamalar ve katman bazlı yöntemler önerilmiş olmakla birlikte kesin ve genel bir çözüm geliştirilememiştir. Sabit bir öğrenme katsayısının kullanımından kaynaklanan sınırlamaları gidermek amacıyla KarcıFANN yöntemi kullanılmaktadır. KarcıFANN yöntemi, kesir dereceli türev yapısı nedeniyle bazı durumlarda karmaşık değerler üretmektedir. Eğitim sürecinde reel bileşenlerin işlenmesi, bilgi kaybına ve optimizasyon kararsızlıklarına yol açabilmektedir. Bu tezde, YSA'larda karşılaşılan bu problemleri çözmek amacıyla karmaşık değer kullanımının öğrenmeye etkisi incelenmektedir. Bu doğrultuda reel ve sanal bileşenleri birlikte işleyen bir yöntem önerilmektedir. Digits, MNIST Rotation 45°, 2BFT-Digits ve 2BFT-MNIST Rotation 45° veri setleri kullanılarak yapılan sınıflandırma sürecinde; reel değerlerin kullanıldığı Reel model, reel ve sanal bileşenlerin birlikte kullanıldığı Kompleks model ile karmaşık değerin genlik bilgisini değerlendiren Abs modeli kullanılmıştır. Elde edilen sonuçlar, Kompleks modelin en yüksek performansa sahip olduğunu ve Reel modelin frekans dönüşümlü verilerde düşük performans sergilediğini göstermiştir. Ayrıca, Abs modelinde faz bilgisi kullanılamadığından başarımın düştüğü görülmüşür. Bu bulgular, karmaşık sayılarla hesaplamaların, KarcıFANN'ın öğrenme performansını belirgin biçimde artırdığını kanıtlamıştır. KarcıFANN ve klasik YSA yöntemlerinin performansları, Kuzushiji-MNIST, GinaPrior2 ve Sign-MNIST veri setlerinin sınıflandırılmasında karşılaştırmalı olarak değerlendirilmiştir. Ayrıca, SGD, Momentumlu GD ve Adam optimizasyon yöntemleri ile KarcıFANN'ın yakınsama davranışları XOR problemi üzerinde incelenmiştir. Son olarak KarcıFANN'ın farklı hata fonksiyonları (MSE, RMSE ve MAE) ile kullanımının modellerin performansına etkileri incelenmiştir. Anahtar Kelimeler: KarcıFANN, yapay sinir ağları, SGD, Momentumlu GD, ADAM
Detection of triangular and rectangular objects in digital images
In this dissertation, novel methods are proposed for the detection of rotated triangular and rectangular objects in digital images. The proposed methods utilize recently developed and successful edge detection algorithm, and consist of detection and validation stages. In the detection stage, the proposed methods use line segments and construct triangular and rectangular shapes from those segments. The line segments detected by using edge detection algorithm are converted into line pairs according to their angles and distance between each two lines. The candidate line pairs are first combined with each other. If the triangular or rectangular shapes are not constructed, for triangular shapes these line pairs are combined with a single line segment, for rectangular shapes two line pairs combined, and then these pairs are combined with a single line segment by following the appropriate criteria. Finally, in the validation stage, the candidate triangles and rectangles are validated using Helmholtz principle and Number of False Alarms (NFA) computation. According to the results of the experimental studies, the proposed methods offer higher detection performances than Open Source Computer Vision (OpenCV) triangle and rectangle detection algorithms which are commonly used in computer vision field. Keywords: Geometrical Shape Detection, Triangular Object Detection, Rectangular Object Detection, Shape Analysis, Hough Transform
A parallel huffman coder on the cuda architecture
We present a parallel implementation of the widely-used entropy encoding algorithm, the Huffman coder, on the NVIDIA CUDA architecture. After constructing the Huffman codeword tree serially, we proceed in parallel by generating a byte stream where each byte represents a single bit of the compressed output stream. The final step is then to combine each consecutive 8 bytes into a single byte in parallel to generate the final compressed output bit stream. Experimental results show that we can achieve up to 22x speedups compared to the serial CPU implementation without any constraint on the maximum codeword length or data entropy.
Design and implementation of a real-time video-oculographic gaze detection and tracking system
In this thesis, real-time video-oculographic Point of Gaze (PoG) computation methods have been investigated. A fully functional PoG system generally consists of three main components. The rst is to extract features from eye images. The second is to compute PoG based on a mathematical or geometric model using the information obtained in the rst step. The third is to design and develop a user-friendly application to operate the computer or allow fast text entry using the accuracy provided by the eye tracking system. To come up with a novel and fully functional eye tracking system at the end of the thesis, research and development for all three components of the system have been performed. In the rst step of the project, a robust and real-time algorithm has been designed to detect the boundary of the pupil in an eye image. The algorithm not only detects the pupil boundary and the center when the pupil is in clear sight, but it also succeeds even in tough occlusive cases where the pupil is partly covered by eye lashes or the eyelid. In the second step, Point of Gaze has been computed in 3D using the eye features obtained in the rst step. The major problem to solve in this step was to compensate head movements during PoG computation. An eye tracking model was developed to support this feature in the proposed system. Using the proposed solution, head movements can be tolerated by calibration and tracking for 3D PoG computation without the need for complex geometric computations. In the last step, a novel and user-friendly On Screen Keyboard (OSK) has been developed that is used together with the eye tracking system for fast textual entry. In our gaze interface, we try to enhance users' word input rates as they are typing with their glances. Experiments performed with many participants have shown that the developed OSK is easy to adapt and can signi cantly boost the text input throughput.
Kontrol ve sistem tanımlama uygulamaları için çok katmanlı dinamik bulanık ağ tasarımları
Bu tezde, üç farklı yeni nöro-bulanık sinir ağı modeli, sistem tanıma ve kontrol problemleri için önerilmektedir. Önerilen modellerin yapısı, bilinmeyen bir fonksiyonun giriş-çıkış verilerinden bulanık kural tabanı elde etmek için kullanılan adaptif nöro bulanık çıkarım sistemi (ANFIS) fikrinden gelmektedir. Birinci model, tip-2 bulanık dalgacık sinir ağı (T2FWNN) 'dır. T2FWNN yapısında, kuralların üyelik fonksiyonları alışılmış bulanık kümelerden farklı olarak zaman ve frekansta yerellik özelliklerine sahip tip-2 dalgacık fonksiyonları ile temsil edilmektedir. Kuralların sonuç kısmında ise dalgacık fonksiyonlarının ağırlıklı toplamı kullanılmıştır. İkinci model, dinamik adaptif nöro bulanık çıkarım sistemi (DANFIS) 'dir. DANFIS, her bir kuralın sonuç bölümünde sabit terim ile birlikte yerel lineer dinamikleri içeren Takagi-Sugeno afin bulanık model bir sinir ağının temsilidir. Böylece, DANFIS ile lineer olmayan dinamik bir sistemin iç davranışının modellenmesi mümkün olacaktır. DANFIS'te, üyelik fonksiyonu olarak Gauss fonksiyonları kullanılmıştır ve kuralların sonuç kısmı ise girişlerin lineer diferansiyel denklemi ile temsil edilmektedir. DANFIS'e ait uygun parametreler gradyan tabanlı öğrenme algoritması ve ek duyarlılık analizi ile belirlenir. Tezin üçüncü bölümünde DANFIS modelinden farklı olarak dalgacık fonksiyonları üyelik fonksiyonu olarak kullanılmaktadır ve yeni ağ dinamik bulanık dalgacık sinir ağı (DFWNN) olarak adlandırılmıştır. Simülasyon sonuçları, önerilen T2FWNN, DANFIS, DFWNN modellerinin etkinliğini göstermek için, sistem tanıma ve kontrol problemleri için verilmiştir.
On the robustness of privacy-preserving collaborative filtering schemes
Privacy-preserving collaborative filtering has been receiving increasing attention. There are various algorithms providing accurate recommendations while preserving privacy. Like collaborative filtering algorithms, privacy-preserving collaborative filtering methods might be subjected to shilling attacks. Such attacks are employed by malicious users to increase/decrease the popularity of some target items. They might affect the overall performance of recommendation systems. Therefore, it is imperative to design such attacks with privacy concerns, determine how robust the privacy-preserving collaborative filtering schemes are, how to find out fake profiles, and analyze them. In this dissertation, designing shilling attacks with privacy concerns is studied. Also, robustness analysis of various privacy-preserving collaborative filtering schemes (memory-based, model-based, and hybrid methods) is performed. Determining fake or shilling profiles from perturbed databases is scrutinized. Besides employing the modified existing detection methods, a new shilling attack detection algorithm is proposed. Real data-based experiments are conducted for assessing the overall performance. Empirical outcomes show that designing effective shilling attacks with privacy concerns is possible. Also, existing detection methods can be effectively used to determine fake profiles from masked data. In addition, the novel detection method is successful on filtering out shilling profiles. Compared to memory-based and hybrid schemes, privacy-preserving model-based recommendation algorithms are very robust against shilling attacks.
Çoklu biyometrik sistem tasarımı
Bu tezde parmak izi ve yüz çoklu biyometrisi kullanılarak elektronik pasaport sistemlerine uyumlu bir biyometrik sistem tasarımı yapılmıştır. Parmak izi verisi için özellik çıkarımı yeni bir yöntem ile Açıdan Bağımsız Parmak izi Tanıma (ABPT) kullanılarak sağlanmıştır. Yüz tanıma için önerilen yöntem ise Uluslararası Sivil Havacılık Örgütü (ICAO) standartlarına uygun olan pasaport yüz resimlerini dikkate alarak geliştirilmiştir. Bu yöntem İlişkisel Bit Operatörü (İBO) adıyla özellik çıkarımı sırasında kullanılmaktadır. Yüz resminden İBO ile şablon çıkarımı sırasında dilimle, işle, birleştir isminde böl ve yönet yaklaşımına benzer bir paralel algoritma yük dengeleme ile çok çekirdekli mimaride çalıştırılmıştır. Biyometrik şablonlar 2 boyutlu kare kod (QR) içine kriptografik olarak gömülmüştür. Şifreleme anahtarı steganografi ile QR resminin içine saklanmıştır. Veri azaltmak için sıkıştırılmış kare kod, parmak izi ve yüz verilerinin karar seviyesi füzyonu için eşleştirme modülüne güvenli bir şekilde transfer edilmiştir. Her adımda gelecek çalışmalarda lojik seviyesi donanım tasarımına uygun algoritma hedefi göz önüne alınarak tamamlanan tez çalışması, analiz ve testler ile bitirilmiştir.
Ekg sinyallerinin kaba küme teorisi yardımıyla sınıflandırma analizi ve yeni bir sınıflandırma algoritma önerisi (FWRSC)
Kalp krizi gibi kalp rahatsızlıkların tedavisinde erken tanı ve teşhis çok önemlidir. EKG sinyalleri, kalp ile ilgili çeşitli hastalıkların ve rahatsızlıkların teşhisinde ve erken tanı konmasında kullanılan en etkili yöntemlerden biridir. Sağlık alanında eksik ve tutarsız veri kümesi sıklıkta olduğundan EKG sinyallerinin doğru yorumlanması çok önemlidir. Kaba kümeler teorisi (KKT), bulanık kümeler gibi uzman sistemler için analiz ve bilgi çıkarımında kullanılan kural tabanlı bir yöntemdir. Kaba kümeler eksik, tutarsız ve belirsiz veri kümelerini düzenleyerek değerlendirme için uygun hale getirmektedir. Bu çalışmada ilk olarak KKT yardımı ile EKG sinyalleri sınıflandırılmıştır. Burada en az parametre kullanarak, doktorların daha hızlı ve erken teşhisine yardımcı olacak bir model oluşturulmuştur. Bu model ile EKG sinyalleri % 85'e yakın bir doğruluk ile sınıflandırılmıştır. İkinci olarak KKT kullanılarak puanlama sistemi ile oluşturulan ağırlık matrisi ve benzerlik tabanlı Nitelik Ağırlıklı Kaba Küme Sınıflandırma (Feature Weighted Rough Set Classification ) olarak adlandırılan yeni bir sınıflandırma metodu geliştirilmiştir. Bu metot 5 farklı veri kümesi için WEKA programındaki sınıflandırma metotları ile kıyaslanmıştır. Deney sonuçlarında FWRSC'nin WEKA programındaki birçok metottan daha yüksek performans gösterdiği görülmüştür. Ayrıca FWRSC, doğruluk ölçütü bakımından 5 veri kümesi için 67,47 genel ortalama ile en yüksek performansı göstermiştir
Çoklu ölçüt oy değerleri üzerinden veri madenciliği
Bilgi ve iletişim teknolojilerinin gelişmesi, müşterilerin ürün ve hizmetler hakkında görüş, yorum ve değerlendirmelerini internet üzerinden paylaşma imkânı sunmuştur. Müşterilerin bu ürünleri değerlendirirken birden fazla ölçütü dikkate alarak değerlendirmesi yaygın bir uygulamadır ve bu şekilde müşterilerden toplanmış veriler de mevcuttur. Çoklu ölçüt müşteri değerlendirmelerinde veri madenciliği yöntemleri kullanılarak, müşteri beklentilerinin ve profillerinin etkili bir şekilde analizi gerçekleştirilebilir. Bu çalışmada çoklu ölçüt oy değerlerinin veri madenciliği yöntemleri kullanılarak nasıl inceleneceğine odaklanılmıştır. Havayolu yolcularının uçuş deneyim değerlendirmeleri ele alınarak, yolcu eğilimleri tespit edilmeye çalışılmış ve yolcu profillerinin nasıl oluşturulacağı tartışılmıştır. Özellik tabanlı ve benzerlik tabanlı kümeleme yaklaşımlarıyla veriler incelenmiştir. Özellik tabanlı yaklaşımda, müşteriler seçilen özelliklere göre gruplandırılırken ikinci yaklaşımda probleme özgü benzerlik tabanlı kümeleme algoritmaları önerilmiştir. Önerilen kümeleme yöntemlerinde her bir kullanıcı için hesaplanması gereken benzerlik skoru tanımlanmış ve bu skora göre karakteristik kullanıcılar belirlenmiştir. Yolcular, karakteristik kullanıcılara olan benzerliklerine dayanarak, gruplandırılmıştır. Bu yöntemle elde edilen her bir küme için ReliefF algoritması uygulanarak niteliklerin yolculara göre önem sırası belirlenmiştir.
Yapay zeka arama algoritmaları kullanılarak mobil rehber uygulaması geliştirilmesi
Mobil cihazların kullanımının artmasına bağlı olarak mobil uygulamalar birçok alanda kullanıcılara hizmet vermektedir. Bu alanlardan biri de turizmdir. Seyahat esnasında, bilinmeyen bir şehirde, seyahate yardımcı en önemli kaynaklardan biri de mobil rehber uygulamalarıdır. Ancak mobil platformlardaki uygulamalar incelendiğinde gezi planını bütünüyle oluşturan ve kullanıcı takibi ile öneriler sunarak seyahati daha verimli kılacak kullanıcı dostu bir mobil uygulamaya rastlanmamıştır. Bu çalışmanın amacı, mobil platformda bir gezi planı uygulaması geliştirilerek kullanıcıların seyahat tecrübelerini daha verimli hale getirebilmek ve turizme katkı sağlamaktır. Uygulamanın hizmetleri arasında bulunan rota hesaplama özelliği için literatürde bulunan arama algoritmaları araştırılmıştır. Benzer problemlerde kullanılan algoritmalar uygulamaya uygun hale getirilerek en kısa rotanın hesaplanması için tutarlılık ve çalışma süresi başlıklarında karşılaştırılmıştır. Pilot şehir olan Eskişehir iline ait veri seti ile geliştirilen uygulama uygun veri setleriyle diğer şehirler için de genişletilebilmektedir.
On edge linking
Edge detection is a fundamental rst step in many computer vision and image processing applications. Since traditional edge detection algorithms produce binary edge maps as output (which usually consist of multi-pixel wide, disconnected -especially in noisy images- edge fragments), an additional edge linking step is usually employed to clean up the resulting edge map and combine disjoint edge fragments. An edge linker takes a binary edge map as input and is expected to generate high-quality (one-pixel wide and contiguous) edge segments (chain of pixels), which are then used in such applications as line, arc and shape detection, image segmentation, tracking and registration, among many others. In this thesis, two edge linking algorithms are proposed: The rst algorithm makes use of the Smart Routing (SR) step of the recently proposed edge segment detection algorithm Edge Drawing (ED), to convert Canny's binary edge maps to edge segments; thus the name CannySR. The second algorithm takes in a binary edge map generated by any arbitrary traditional edge detection algorithm and converts it to a set of edge segments; lling in one pixel gaps in the edge map, cleaning up noisy edge pixel groups and thinning multi-pixel wide edge pixel formations in the process. The algorithm walks over the edge map based on the predictions generated from its past movements; thus the name Predictive Edge Linking (PEL). We evaluate the performance of CannySR and PEL both qualitatively using visual experiments and quantitatively within the precision-recall framework of the Berkeley Segmentation Benchmark (BSDS 300), and compare its performance with ED, which is a natural edge segment detection algorithm. Both visual experiments and quantitative evaluation results show that both CannySR and PEL greatly improves the modal quality of binary edge maps produced by traditional edge detectors, and take a very small amount of time to execute making them suitable for real-time image processing and computer vision applications.
Privacy-preserving geostatistics
Geo-statistics deals with spatial data and tries to find out relationship between locations and measured data. Methods used in geo-statistics interpolations rely on the principle that things are closer to each other more alike than the things are farther apart. Inverse distance weighting and kriging are most well-known and applied methods in geo-statistics. It is important to perform such methods without violating data confidentiality due to privacy reasons. Also, their accuracy depends on the total number of sample points. If there are insufficient sample points due to financial or privacy reasons, accuracy of the predictions produced by these methods may become unconvincing. There are cases in which institutions obtain measurements for the same or neighbor region. To create more accurate models, they may want to collaborate. However, they do not want to share their private data. In this thesis, privacy-preserving methods are proposed to provide inverse distance weighting- or kriging-based predictions for different data partitioning schemas including central server-based case. The proposed solutions are analyzed with respect to privacy, performance, and accuracy. Different sets of experiments are conducted using real data sets to analyze the proposed methods. Empirical outcomes show that the methods are able to provide accurate predictions while preserving privacy.
Müşteri ilişkileri yönetiminde iş zekası uygulamaları
Bu tezde, iş zekası tekniklerinin müşteri ilişkileri yönetiminde kullanımının incelenmesi ve müşteri verisiyle beslenen örnek bir iş zekası sistemi kurulması hedeflenmiştir. Öncelikle müşteri ilişkileri yönetimi ve iş zekasının temel kavramları ve yöntemleri incelenmiş; daha sonra geliştirilen örnek iş zekası sistemi anlatılmıştır. Hazırlanan iş zekası sistemi; SSIS paketleri, OLAP küpleri, veri madenciliği yapıları ve bütün bu yapılarla elde edilen bilginin son kullanıcıya görsel olarak sunulması için hazırlanmış web tabanlı portalden oluşmaktadır. Sistemde yer alan bir diğer uygulama ise, iş zekası sistemine veri sağlayan bir OLTP sistemi olan ve ürün, müşteri ve müşterilerin satınalma bilgilerinin bulunduğu web uygulamasıdır. Web uygulamaları ASP.NET ve C# kullanılarak kodlanmıştır. Veri tabanı yönetim sistemi olarak MS Sql Server 2008 R2, iş zekası yapıları için ise MS Sql Server Analysis Services ve Sql Server Integration Services kullanılmıştır. Anahtar Kelimeler: Müşteri ilişkileri yönetimi, iş zekası, iş zekası uygulamaları, veri madenciliği
Öznitelik tabanlı imge çakıştırma
Bu çalışmada görüntü eşleştirme ve çakıştırma için eğrilik tabanlı öznitelik çıkarma yaklaşımı önerilmektedir. Bu amaç doğrultusunda, eğriler arasındaki geometrik uzaklık Hausdorff yöntemi kullanılarak hesaplanmaktadır. Sonra ikinci bir eşleştirme olarak, eğriler üzerinde Harris noktaları bulunup eşleştirilmektedir. En iyi eşleşen eğriler bulunduğunda, referans ve hedef resim arasındaki geometrik dönüşüm RANSAC yöntemi kullanılarak tahmin edilip görüntüler çakıştırılmaktadır. Deneysel sonuçlar elde etmek için Mikolajczyk ve Schmid tarafından önerilen ve en iyi bilinen veritabanı kullanılmaktadır. Sonuçların karşılaştırılması için kesinlik ve duyarlılık kriterleri temel alınarak yapılmaktadır. Önerilen yöntemin sonuçları ile SIFT, SURF, MSER, BRISK, FREAK, ORB, FAST ve BRIEF öznitelik ve betimleyici çıkarıcı yöntemlerin sonuçları ile karşılaştırılmaktadır. Yapılan testlerde elde ettiğimiz sonuçlara göre rotasyon ve zum, bulanıklık, görüş açısı, ışık şiddeti, JPEG sıkıştırma değişimlerinde ve yüksek gürültü şartlarında diğer yöntemlerin performansında düşüş olduğu görülürken önerilen yöntemin ise performansını koruduğu gözlenmektedir.
New approaches to enhancing the performance of text classification
The aim of text classification, also known as text categorization, is to classify texts of interest into appropriate classes. Due to the rapid advance of Internet technologies, the amount of electronic documents has drastically increased worldwide. Consequently, text classification has gained importance in organization of these documents. Important issues in text classification are the high dimensionality of feature space and misclassification concerns regarding the feature space. In this dissertation, various solutions are proposed to overcome both of these concerns of the text classification problems. Specifically, a novel filter-based feature selection method, namely distinguishing feature selector, is introduced. Besides, genetic algorithm oriented latent semantic features, which are originated from feature selection and transformation operations, are proposed. Moreover, the impact of several feature extraction and selection approaches on SMS spam filtering problem, a special case of text classification, is extensively investigated for two different languages. Finally, the impact of preprocessing methods on text classification is examined for different domains and different languages as well. Extensive experiments conducted on benchmark datasets revealed that all the proposed solutions offer better dimensionality reduction and/or classification performance depending on their contributions.Keywords: Text Classification, Feature Extraction, Feature Selection, Feature Transformation.
Scalable recommender system that improves generalization
A major challenge for recommender systems is to generalize to cold-start prediction tasks, where no behavior data is available for the active user or the item. Content-based filtering is able to attack to this problem, while collaborative filtering ends up with accurate recommendations where high quality feedback is available. Considering the domain of a prediction task can vary, an ensemble learning-based hybrid recommender model is described. The combined model learns separate linear combinations from validation data sets representing each domain: high quality feedback available, user or item is unseen. The problem is illustrated by creating groups of validation and test data sets accordingly, and referring to three kinds of complementary recommenders: matrix factorization based, user demographics, and item content-based. Experiments demonstrate that using those separate validation data sets; the hybrid recommender model adjusts weights such that it converges to the individual recommender that performs the best on a domain.
Biyometrik kimlik doğrulama için alan tabanlı tuşa basma dinamikleri analizi
Bu tezde, tuşa basma dinamikleri kullanılarak biyometrik kimlik doğrulama sistemi ele alınmıştır. Tuşa basma verisinin toplanması ve modellenmesi için bir sunucu-istemci modeli geliştirilmiştir. Önceki tuşa basma dinamiklerine ilgili çalışmalardan farklı olarak sınıflandırma modeli için alan tabanlı bir özellik kullanılmıştır. Sanal klavye kullanılarak geliştirilen alan tabanlı özellik kullanıcıları ayırt etmede kullanılmıştır. Klavye tasarımının yapılabildiği ve alanların seçildiği bir yazılım geliştirilmiştir. Farklı alanlara sahip çeşitli klavye tasarımlarının oluşturduğu özellikler ile çeşitli kullanıcı grupları üzerinde makine öğrenmesi tekniklerinin kullanıldığı deneyler yürütülmüştür. Kullanıcı grupları 10, 25, 50 ve 100 kişiden oluşmaktadır. Doğruluğun kullanıcı sayısı ile ter orantılı olduğu görülmüştür. Daha yüksek başarı oranları alan tabanlı özelliklerin kullanılması durumunda gözlemlenmiştir. Doğruluğun en yüksek olduğu sonuçlar alan tabanlı özelliklerin kullanıldığı yapay sinir ağları sınıflandırıcısı ile elde edilmiştir.
Privacy-preserving two-party collaborative filtering on overlapped ratings
To promote recommendation services through prediction quality, some privacy-preserving collaborative filtering solutions are proposed to make e-commerce parties collaborate on partitioned data. It is almost probable that two parties hold ratings for the same users and items simultaneously; however, existing two-party privacy-preserving collaborative filtering solutions do not cover such overlaps. Since rating values and rated items are confidential, overlapping ratings make privacy-preservation more challenging. In this dissertation, firstly, the subject of how the personal data distribution occurs in information systems will be handled and personal data preserving solutions will be elucidated. Then, how to estimate predictions privately based on partitioned data with overlapped entries between two e-commerce companies is examined. It is considered both user-based and item-based collaborative filtering approaches and proposes novel privacy-preserving collaborative filtering schemes in this sense. It is also evaluated schemes using real movie dataset, and the empirical outcomes show that the parties can promote collaborative services using our schemes.
Beyin görüntüleme tekniklerinin alzheımer hastalığı erken tanı tahmininde kullanılması
Demans tipine göre hastaların beyinleri karakteristik farklılıklar gösterir. Beyin korteks kalınlığı, bazı bölgelerin hacmi veya yüzey alanı gibi ölçülendirmeleri, hastalık tiplerinin belirlenmesinde etkilidir. Tıbbi görüntüleme standartlarına uygun beyin görüntüleri manyetik rezonans görüntüleme cihazlarından elde edilebilir. Görüntülerin başlık kısmı, hastalara, hastalıklara, ayrıca görüntüleme çalışmalarına olmak üzere farklı tür birçok teknik olan veya olmayan bilgi barındırır. Beyin görsel dosyaları ve başlıkları üzerinden görüntü işleme tekniklerinin de yardımı ile hasta beyinlerinin fiziksel özellikleri sayısal olarak çıkarılabilir. Elde edilen sayısal verinin sınıflandırma algoritmaları içerisinde düzlemde vektörler şeklinde ifade edilmesi sonrasında numuneler sınıflandırılabilir. Bu çalışmada, 19 adet Alzheimer hastalığı, 19 adet frontotemporal demans ve 25 adet vasküler demans olmak üzere üç farklı hastalıktaki 63 numunenin manyetik rezonans görüntüleri kullanılmaktadır. Dilimlenmiş beyin görüntü setleri Freesurfer beyin analiz yazılım aracı ile birlikte işlenmektedir. Programın başarılı analizi sonrasında üretilen istatistik bilgileri içerisinden farklı öznitelik grupları oluşturulmaktadır. Öznitelik matrisleri, sarmalama yaklaşımlı öznitelik seçim yöntemi uygulanacak şekilde genetik algoritmaya gönderilmektedir. Bulunan değerli öznitelikler, hastalığı belirlemede etkili olan uzuvlar, tartışılmaktadır. Farklı sınıflandırma yaklaşımları ve genetik algoritma parametreleri uygulanarak %95.2'yi gören doğruluk sonuçları ve hata matrisleri elde edilmektedir.
Naive Bayes sınıflandırıcı tabanlı ikili-veri çoklu-ölçütlü öneri sistemler
Öneri sistemleri, kullanıcıların herhangi bir çabasına ihtiyaç duymadan onların kişisel özelliklerine ve geçmişteki tercihlerine uygun öğeler tavsiye edebilme yeteneğine sahiplerdir. Bazı ürün ve hizmet alımı durumlarında, ilgili ürün ya da hizmet alımının içerdiği ölçütler bazında ayrı ayrı beğeni değerleri toplamak daha verimli olabilmektedir. Bu doğrultuda araştırmacılar, kullanıcıların beğeni derecelerini daha ayrıntılı ve etkili ifade edebilecekleri çoklu-ölçütlü değerlendirme sistemlerini geliştirmişlerdir. Bu tür sistemlerde, alt-ölçüt sayısının çok olması nedeniyle nümerik veriler kullanmak yerine ikili-veri kullanmak tercih edilebilir. İkili-veri kullanan tek ölçütlü öneri sistemlerinde basit Bayes sınıflandırıcı algoritması ortak filtreleme amacıyla kullanılmaktadır. Literatürde, çoklu-ölçütlü sistemler için benzer bir çalışma mevcut değildir. Bu tezde, ikili veriye dayalı çoklu-ölçütlü öneri sistemlerinin uygulanabilirliği araştırılmaktadır. İlk olarak, genel beğeni ölçütü için kullanıcılara basit Bayes sınıflandırıcı kullanılarak öneriler üretilmiştir. Üretilen önerilerin doğruluğunu arttırmak amacıyla başarılı komşulukların belirlenmesini sağlayan kullanıcı ve ürün tabanlı benzerlik modelleri önerilmiştir. Ardından, bu modeller uyumluluk tekniği kullanılarak geliştirilmiştir. Uyumluluk tekniği, benzerlik hesabının daha yüksek kişiselleştirilme ile yapılmasını sağlamıştır. Son olarak, karma bir model önerilmiştir. Karma model, kullanıcı-tabanlı ve ürün-tabanlı benzerlik modellerinin birlikte kullanılmasını sağlamıştır. Bu modeller kullanılarak daha yüksek başarıma sahip önerilerin üretilmesi sağlanmıştır.
Classification of medical documents according to diseases
The number of documents produced on computers has increased exponentially every year, after the spreading use of the computers. Automatic text classification has become an important due to the exponential growth of texts on the Internet. Significant problems in text classification are the great number of features and misclassification are made accordingly. In this thesis, it is constructed of two different datasets containing English and Turkish abstract belonging to Turkish articles in the medical field. This dataset is similar structure to namely Ohsumed which is containing English medical text summary. In the literature, there is no dataset like Ohsumed datasets obtained from Turkish datasets to be used in academic studies. Various preprocessing, feature selection and successful classifiers in this field are used in automatic text classification stages. It has been investigated in the basis of languages how influences the performance of the classification according to whether stemming which differs in languages and one of the preprocessing steps applied or not. And also, the classification performance of different feature selection method has been investigated. Classifier performance which is another factor affecting the performance was analyzed by applying different classifiers. Finally, classification schemes that provide the best performance on the medical text summary in the same publication and different languages is determined. Keywords: Text Classification, Feature Selection Methods, Classification Algorithms, Preprocessing Steps
Analysis of the frequency distributions of query terms on document collections & per-query selection of best term weighting model
Many term-weighting models have been proposed for information retrieval but the effectiveness of each term-weighting model varies across queries (i.e., information needs of users). Thus, using a single term-weighting model to process all kinds of queries may not be appropriate for fulfilling every information need of users. Instead of using a single term weighting model, it is an empirical fact that using different term weighting models for different queries could provide an increase in information retrieval effectiveness by an order of magnitude. However, for any given query, automatically selecting the term-weighting model that could provide the highest achievable retrieval effectiveness in the current state-of-the-art of information retrieval technology is still an open and challenging research problem. This issue is, in general, referred to as selective term weighting or selective weighting function or selective retrieval model in the field of selective information retrieval. In this PhD dissertation, we will investigate a novel statistical/probabilistic approach to the selective term weighting problem, based on the frequency distributions of query terms on document collections. A term-weighting model that works well for one query, may not work well for another. We are not capable of determining or justifying in advance the best term-weighting model to use with a given query. We know little of the characteristics of queries and document collections that affect the effectiveness of term-weighting models. This PhD dissertation aims to shed some light on this mystery by analyzing the frequency distributions of query terms on document collections. All the results presented in this dissertation are fully repeatable and reproducible with data and code available online.
A quantitative comparison of state of the art circle detection algorithms
Detecting circular objects in digital images are crucial problem in common applications. Although several circle detection algorithms have been released in the literature, the algorithms utilize a small set of images to show effectiveness. This situation causes unfair comparison between algorithms. In this thesis, a dataset including 200 images with size 800x6000 and and human annotations are proposed. Images in dataset have circular objects chosen from several application areas. The collected dataset is named as Anadolu University Circle Detection Dataset and Benchmark (AUCDB200), and is carried out for quantitatively comparison of the state of art circle detection algorithms in precision-recall-Fscore metrics. In this thesis, a novel circle detection algorithm is also proposed with benefiting from circular arcs of recently proposed Orientation Transform (OT). The novel algorithm is named as OTCircles. The experimental results in the thesis show that proposed algorithm, OTCircles, presents the best performance for proposed AUCDB200 dataset with 0.92 Fscore. The another results demonstrates that the algorithm is more robust against to noise.
Developing techniques for robustness of privacy-preserving distributed collaborative filtering
Success of collaborative filtering systems strongly depend on having adequate data. Due to customers' shopping habits and increasing number of e-commerce sites, data collected for referral purposes might be distributed among various sites. Therefore, especially for newly established companies, offering recommendation services might turn out to be a trouble, due to lack of qualified data. To overcome this challenge, collaboration of online vendors on distributed data while preserving privacy has become an important topic. Researchers have proposed several privacy-preserving distributed collaborative filtering schemes, which enable collaboration of online vendors, even the competing ones, on distributed data without jeopardizing privacy. However, such schemes have not been evaluated in terms of robustness against attacks. If manipulating the outcomes of privacy-preserving distributed collaborative filtering algorithms by injecting fake profiles is possible, shilling attacks might be an obstacle for collaboration. Online vendors, who are unsure of being subject to shilling attacks, might refrain from cooperation, even if they need it for offering more useful recommendation services to their customers. In this dissertation, robustness of state-of-the-art privacy-preserving distributed collaborative filtering schemes proposed for arbitrarily distributed data are analyzed against shilling attacks. A new attack strategy that can be applied on arbitrarily distributed data, and used in generation of distributed adaptations of formerly proposed attack models is outlined. Empirical studies show that attacks generated by the proposed strategy are effective in manipulating predicted outcomes, hence, despite privacy, these schemes are not resistant to attacks. The reasons of why existing shilling attack detection methods cannot be directly employed on arbitrarily distributed data are discussed. To protect these algorithms against attacks, distributed version of a well-known classification-based attack detection method is proposed, which can operate on arbitrarily distributed data. Real data-based experiments demonstrate that the proposed detection method is able to identify distributed attack profiles on arbitrary data with privacy. Moreover, the need for collaboration in detection of distributed attacks is exposed with experimental analyzes.
Kullanıcı/ürün çiftleri için en iyi öneri algoritmalarının tespit edilmesi
İnternetin yaygınlaşması ve iletişim teknolojilerinin gelişmesiyle birlikte İnternet üzerinden sunulan hizmetler artmıştır. Bu artışın sonucunda kullanıcılar incelenmesi ve takip edilmesi gereken çok miktarda bilgi ve binlerce ürün/hizmetle karşı karşıya kalmaktadırlar. Bu durum "aşırı bilgi yükü" olarak tanımlanmaktadır. Bu alanda kullanıcılara, ürün ve hizmet seçimi konusunda yardımcı olacak öneri sistemleri geliştirilmiştir. Çevrimiçi servislerde kullanıcıların geçmişteki tercihlerine ve benzer kullanıcıların tercihlerine bakılarak kişiselleştirilmiş öneri sunmak için kullanılan en popüler öneri sistemi Ortak Filtreleme tabanlı öneri sistemleridir. Yüksek doğruluk Ortak Filtreleme tabanlı öneri sistemleri tarafından sağlanması gereken en önemli özelliklerden biridir. Bu tez kapsamında yapılan çalışmalarda hedeflenen, Ortak Filtreleme tabanlı öneri sistemleri tarafından üretilen önerilerin doğruluğunu iyileştirmektir. Günümüzde kullanılan öneri sistemleri genellikle tek bir öneri algoritması kullanmakta ve her kullanıcı için aynı algoritmayı kullanarak öneriler üretmektedirler. Bu çalışmada Ortak Filtreleme işlemleri için bir tane algoritma kullanmak yerine, alanında en iyi algoritmalar arasında gösterilen altı tane algoritma kullanılmıştır. Deneysel çalışmalarda kullanıcı veya kullanıcı/ürün çifti için her algoritmanın farklı doğrulukta öneriler ürettiği görülmüştür. Altı algoritmanın kullanıcı veya kullanıcı/ürün çiftine ürettiği tahmin değerlerinden en iyisi seçildiğinde sistem doğruluğunun yüksek anlamlılık seviyelerinde iyileşebileceği gösterilmiştir.
Gizliliği korunmuş ortak filtreleme yöntemlerinin doğruluğunun kaba kümeler teorisi ile iyileştirilmesi
İnternet kullanımının artmasıyla birlikte tavsiye sistemleri popüler hale gelmiştir. Tavsiye sistemlerinde kullanılan Ortak Filtreleme yöntemleri müşterilere çevrimiçi platformlar üzerinde ürün seçme konusunda yardımcı olmak için kullanılmaktadır. Bu yöntemlerin gizlilik, doğruluk, çevrimiçi performans, kapsama, çok seyrek veri seti ve ölçeklenebilirlik gibi bazı sorunları vardır. Bu sorunların üstesinden gelmek için Kaba Kümeler Teorisi kullanılabilir. Kaba Kümeler teorisi sistemin doğruluğunun iyileştirilmesi, kapsama performansının arttırılması amacıyla Ortak Filtreleme yöntemlerinde kullanılmaktadır. Ayrıca Ortak Filtreleme yöntemlerinin önemli sorunlarından birisi de gizliliktir. Bu sorunun üstesinden gelmek için Gizliliği-Korunmuş Ortak Filtreleme yöntemleri kullanılmaktadır. Ancak bu sistemlerde doğruluk ve gizlilik çakı¸san iki amaç olduğundan tavsiye sisteminin doğruluğunu düşürmektedir. Bu tezin amacı da Gizliliği-Korunmuş Ortak Filtreleme yöntemlerinin do˘gruluğunun iyileştirilmesi ve kapsama performansının arttırılmasıdır. Bu sorunların üstesinden gelmek için Kaba Kümeler Teorisinde ayırt edilemezlik ilişkisi kullanılarak geliştirilen ROUSTIDA algoritması kullanılmıştır. Bu yaklaşım gizliliği korunmuş bellek tabanlı, gizliliği korunmuş model tabanlı ve gizliliği korunmuş karma tabanlı üç farklı yöntemle test edilmiştir. Deneyler sonucunda Gizliliği Korunmuş Ortak Filtreleme yöntemlerinde doğruluğun ve seyrek veri sorunlarının iyileştiği görülmüştür.
Sezgisel algoritmaların denektaşı işlevler üzerinde başarım metrikleriyle karşılaştırılması
Bilgi çağı olan günümüzde bilgi ve iletişim teknolojileri kullanımının artmasıyla karmaşık problemler çok daha kısa sürede çözülebilmektedir. Teknolojik ilerlemelerle tıpkı bir insan gibi düşünüp, kendini geliştirebilen yapay zeka sistemleri ve en iyisini bulmaya çalışan optimizasyon teknikleri geliştirilmektedir. Optimizasyon işleminde kullanılan tekniklerden sezgisel algoritmalar, canlıların doğal yaşamından esinlenilerek geliştirilmiş olup, en iyi çözüme en yakın olan çözüme kolay ve hızlı bir şekilde ulaşmaktadır. Sezgisel algoritmaların çok sayıda türleri bulunmakta ve gün geçtikçe de yenileri türetilmektedir. Bu çalışmada sezgisel algoritmalar içerisinden bilim dünyasında yaygın olarak kullanılması, açık kaynak kodlu olması ve başarımlarının da diğerlerine görece daha iyi olması gibi sebeplerle sürü tabanlı yapay arı kolonisi(ABC), biyocoğrafya tabanlı optimizasyon(BBO), guguk kuşu arama algoritması(CSO), farksal gelişim algoritması(DE), yayılmacı rekabetçi algoritma(ICA) ve parçacık sürü algoritması(PSO) kullanılmıştır. Seçilen bu algoritmaların her biri literatürde sıklıkla kullanılan 8 denektaşı işlev üzerinde küresel minimum noktasını bulmak için aynı başlangıç pozisyonları ve şartları ile 2, 5 ve 10 boyutlu arama uzaylarında 30'ar kez koşturulmuştur. Koşmalar sonucunda algoritmaların başarımları en iyi ölçüt, en kötü ölçüt, doğruluk, kararlılık, zaman ve standart sapma başarım metrikleri sonuçlarına bakılarak değerlendirilmiştir. Algoritmaların kümülatif ortalama başarım değerlerine göre karşılaştırılmasında en iyi performansı DE'nin, takiben de PSO'nun verdiği görülmüştür. Koşma süresi açısından en iyi, kararlılık ve doğruluk açısından DE'ye yakın sonuçlar veren CSO, kümülatif ortalama başarım değerlendirmesinde üçüncü olmuştur. Kümülatif ortalama başarım değerlendirme de ICA dördüncü olurken, ona her işlevde en yakın sonuçları veren BBO beşinci olmuştur. Diğer algoritmalardan oldukça uzak değerleri üreten ABC'nin ise bu çalışmada kullanılan başarım değerlendirmesinde sonuncu olarak en düşük başarımı sergilediği görülmüştür.
Ameliyat simülatörleri için özgün üç boyutlu konum belirleme sistemi geliştirilmesi
Ameliyat simülatörleri, hasta, kadavra veya hayvana ihtiyaç duymadan tıbbi uzmanları eğitmek amacıyla cerrahi işlemleri taklit etmek için geliştirilen bir bilgisayar teknolojisidir. Tıbbi işlemler hayati önem taşıdığı için, bu işlemleri yapacak uzmanların eğitimi önemlidir. Bu teknoloji ile tıbbi işlem yapacak olan uzmanlar eğitilmektedir. Ameliyat simülasyonlarında görsel gerçekçilik ve gerçek zamanlı etkileşimler önemlidir. Gerçek zamanlı etkileşim, uzmanın herhangi bir tıbbi işlemde, işlem yaptığı organdan anlık bir yanıt üretmesini gerektirir. Uzmanın algıladığı anlık yanıtlar yani haptik geri bildirim ameliyat simülatörlerinde büyük öneme sahiptir. Haptik geri bildirim ve sanal ortamın doğruluğu ise ameliyat aletinin doğru konumlandırılmasına bağlıdır. Ameliyat simülatörü uygulamalarında kullanılan pozisyon tahmini çalışmalarında, uygulamanın gerçek zamanlı olması kritik öneme sahiptir. Bu tez çalışmasında düşük maliyetle, piyasadan alınan kameralar kullanılarak gerçek zamanlı uygulama yapılmıştır. Ameliyat simülatörleri için 3 boyutlu pozisyon tahmini için farklı yöntemler denenmiş ve incelenmiştir. Öncelikle tek kamera ile küresel koordinat sisteminde pozisyon tespiti yapılmıştır. Daha sonra iki kamera ile stereo görme prensibi ve kartezyen koordinat sisteminde pozisyon tahmini yapılmıştır. Uygulamanın kullanıcıda gerçek ortam hissi uyandırması için saniyede 30 görüntü alınmalı ve işlenmelidir. Kullanılan metodların istenilen hata oranlarıyla pozisyon tahmini yaptığı görülmüştür. Piyasadan alınan web kameralar ile saniyede 30 görüntüye ulaşılamamış ve uygulanan metodların ortam şartlarından (ışık, arka plan vb.) etkilendiği görülmüştür. Bu nedenle saniyedeki görüntü sayısını (FPS) arttırmak ve ortam şartlarından etkilenme problemini ortadan kaldırmak için Raspberry Pi kamera modülleri kullanılmıştır. Kullanılan bu modüller ile ortam şartlarında etkilenmeden pozisyon tahmini yapıldığı görülmüştür. Aynı zamanda işlem hızı arttırılmış ve istenilen FPS değerine ulaşılmıştır.
TOJDE Dergisi üzerinde LDA ile konu modelleme
Çeşitli bilgilerin kayıt altına alınması hususunda bilgisayar sistemlerinin güvenlik, maliyet, erişilebilirlik gibi konularda sağladığı avantajlar ile birlikte içinde bulunulan bilgi çağında hızla büyüyen verilere erişimin sağlanması, bu veriler içerisinden aranılan bilginin çıkarılması konusu, üzerinde çalışılması güç problemler doğurmuştur. Latent Dirichlet Allocation gibi konu modelleme algoritmaları ve bu algoritmalar üzerine geliştirilmiş konu modelleme araçları binlerce kayıt arasında sıklıkla bahsedilen konuların saptanmasını sağlayabilmektedir. Bu tez kapsamında yapılan çalışma, The Turkish Online Journal of Distance Education (TOJDE) dergisi tarafından kayıt altına alınmış makalelerin araştırılabilir biçime çevrilmesi ve bu metin veriler üzerinde Latent Dirichlet Allocation algoritması ile konuların algılanmasını amaçlamaktadır. Konuların algılanması ile birlikte kullanıcı tarafından anlaşılır görsel analiz sonuçları sunan bir sistem ortaya koyarak yıllara göre konu dağılımlarını gösteren grafiklere ulaşılmıştır. Çalışmanın gerçekleştirilmesi için elde edilen metin veriler Latent Dirichlet Allocation algoritması ile analiz edilmeden önce makale arşivinde yer alan metinlerde geçen kelimeler, kök bulma gibi işlemlerle sadeleştirilerek konu algılama işleminin başarısının arttırılması sağlanmıştır.
A study on handling sparseness in collaborative filtering
With the advent of the Internet, the number of choices that are opened to us online is constantly increasing. Movies, books, recipes, world news..., as many sets where we need to select without the possibility of considering all the necessary information. So how to choose? As we are not only faced with the same choice, if anyone has similar tastes to ours and he liked such a recent film, the chances that we also liked the film seem bigger. It is therefore possible to take advantage of available information on choice of other agents to induce preferences over our own choices. Now with the availability of Internet and major databases on user preferences, it becomes possible extending to large-scale, the concept of word of mouth. The formalization and operation of this intuition are the subject of collaborative filtering. Collaborative Filtering (CF) has become one of the most used filtering technique used to cope with the" information overload" problem. However, CF suffers from important bottlenecks: privacy, cold-start, sparsity... Many researchers have proposed methods for handling latter problem but it remains a great and important research area. Keywords: Collaborative Filtering, Cold Start, Sparsity Problem. A STUDY ON HANDLING SPARSENESS IN COLLABORATIVE FILTERING Yegwende Vincent TIEMTORE Department of Computer Engineering Anadolu University, Graduate School of Sciences, May, 2017 Supervisor: Prof. Dr. Yaşar HOŞCAN
Türkçe için gözetimsiz sözdizimsel belirsizlik giderme
Doğal dillerde bir tümce, her biri farklı yapısal yorumlara karşılık gelen birden çok sözdizim ağacı ile gösterilebilir. Bu durum sözdizimsel belirsizlik olarak adlandırılır. Sözdizimsel belirsizlik giderme, basitçe, tümceden elde edilen sözdizim ağaçlarının bağlama göre en uygun olandan en az uygun olana doğru sıralanmasıdır. Bu tezde, sözdizimsel belirsizlik giderme problemi Türkçe için ele alınmış ve gözetimsiz yönteme dayanan bir çözüm önerilmiştir. Yöntemin gözetimsiz olarak adlandırılmasının nedeni sözdizim ağaçlarının sıralanmasında kullanılan olasılık modellerinin imlenmemiş bir metin koleksiyonundan elde edilmiş olmasıdır. Tez kapsamında, sözdizimsel belirsizlik giderme işini gerçekleştirmek amacıyla, sözdizimsel çözümleyici, Morfolog adlı biçimbilimsel çözümleyici ve TrLex adlı sözlükçe gibi özgün altyapı ögeleri tasarlanmış ve bunları eşgüdümlü biçimde yöneten TMoST adlı bir dizge oluşturulmuştur. Ayrıca öbek yapı dilbilgisine dayanan yeni bir tümce çözümleme gösterimi önerilmiş ve bu gösterimde biçimbilimsel ve sözdizimsel yapıları birlikte işleyebilmeyi sağlayan ve dizimbirim adı verilen yeni bir kavram tanıtılmıştır. Çalışmada, bazıları özgün olan 24 olasılık modeli kullanılmıştır. Modellerin problem üzerindeki başarımını ölçmeye imkân veren AUT adlı bir ağaç yapılı derlem üretilmiştir. Alanyazında sözdizimsel belirsizlik giderme için başarım, en uygun ağacın sıralamada bulunduğu konum ile veya birinci sıradaki ağacın en uygun ağaca olan benzerliği ile ölçülmektedir. Tezde iki yeni başarım ölçüsü daha önerilmiş ve bağıntı adı verilen ölçünün daha kararlı olduğu değerlendirilmiştir. Olasılık modelleri tek başına kullanıldığında en iyi başarım, üçlü biçimbirim dil modeliyle elde edilmiştir. Modeller birleştirildiğinde ulaşılan en iyi bağıntı değeri ise yaklaşık 0,41 olmuştur.
Endüstriyel robotlar için kolay programlama arayüz tasarımı ve gerçeklemesi
Endüstriyel robotlar, sağlamış oldukları üretim standardizasyonu, hız ve kararlılık sayesinde modern üretim sistemlerinin vazgeçilmezi haline gelmiş olup, kullanım talepleri günden güne artmaktadır. Endüstriyel robotların hızla gelişmesine ve faaliyet alanlarının çeşitlenmesine rağmen, programlama teknikleri aynı hızda gelişmemektedir. Hali hazırda kullanılan robot programlama teknikleri, genellikle robot üreticisi tarafından sağlanan el terminali kullanımı ile hareketlerin öğretilmesini ya da robot üreticisi tarafından sunulan ve üreticiye özgü programlama dili ile kod yazılmasını kapsamaktadır. Bu teknikler, endüstriyel robotların programlanmasını kapsamlı eğitim ve deneyim gerektiren zor bir süreç haline getirmektedir. Bu durumda, robot programlama işlemini gerçekleştirecek, ilgili robota hakim, deneyimli operatörlere ihtiyaç duyulmaktadır. Bu, önemli bir maliyet oluşturmaktadır. Seri üretim yapan bir üretici için ortaya çıkan bu maliyet göz ardı edilebilir. Fakat küçük ve orta ölçekli ürün çeşitliliğinin çok, ürün adedinin az olduğu üreticiler için bu maliyetlere katlanılamamaktadır. Bu tez çalışması ile söz konusu probleme çözüm olabilme potansiyeli taşıyan, operatör deneyimi ve becerisine ihtiyaç duymayan bir kolay programlama yöntemi geliştirilmiştir. Geliştirilen yöntem, görüntü ve nokta bulutu işleme tekniklerine dayanmakta olup, basit kullanıcı arayüzü etkileşimleri ile bir endüstriyel robotun programlanmasına olanak sağlamaktadır. Uygulanan yöntemler detaylı matematiksel modeller, kod şemaları ve örnek uygulama görselleri ile açıklanmaktadır. Nihai olarak ortaya çıkan sistemin gerçek bir uygulama için nasıl kullanıldığı gösterilmektedir.
Dynamic determination of neighborhood in neighborhood-based collaborative filtering algorithms
Collaborative filtering is a commonly used method to reduce information overload. It is widely used in recommendation systems due to its simplicity. In traditional collaborative filtering, recommendations are produced based on similarities among users/items. In this approach, the most correlated k neighbors are determined, and a prediction is computed for each user/item by utilizing this neighborhood. During recommendation process, a predefined k value as a number of neighbors is used for prediction processes. In this thesis, the effect of selecting different k values for each user or item was analyzed. For this purpose, a model that determines k values for each user or item at the off-line time was generated. Empirical outcomes show that using the dynamic k values during the k-nn algorithm leads to more favorable recommendations compared to a constant k value.
Modelling a web based real time application builder with reactjs and nodejs technologies
A real-time web based application builder technique on reactjs and nodejs that users/developers can design and generate codes without writing manually by hand from scratch is presented. The designing application is running on the browser while it is generated by platform. The project has a graphical user interface that everybody can use, users do not need to be a software developer to design an application. With this work, code generation and hand coding compared side by side in dimensions "coding quality", "speed"," error / bug" rate. Code generation platform makes the development lifecycle efficient and easy. The quality and speed of the development process increases by %50 for recurrent tasks.
RF based indoor positioning system
Although the Global Positioning System is a publicly recognized technology for positioning in the outdoor environment, it is ineffective in the indoor environment. For this reason, the search for effective solutions to indoor positioning still continues. Within the scope of this dissertation, it is aimed to develop radio frequency (RF) based, high-accuracy and low-cost indoor positioning approaches based on the fingerprint method. For this purpose, in addition to the existing indoor positioning datasets in the literature, a new dataset has been constituted and made available to researchers. In terms of selected performance criteria, the most suitable algorithm for three different indoor environments is determined by multi-criteria optimization technique. Hybrid fingerprints are defined using a combination of WiFi received signal strength and magnetic field measurements. It has been observed that the positioning accuracy is improved when the proposed hybrid fingerprint dataset is used with different classification algorithms. F-score weighted indoor positioning algorithm combining WiFi received signal strength and magnetic field measurements is proposed. It has been observed that the accuracy of the proposed algorithm is higher than that of the conventional algorithms. In addition, an improved indoor positioning approach has been proposed that uses WiFi signal strength and magnetic field fingerprints for more precise locating. With this approach, high accuracy position estimation can be done.
Ağ saldırı tespitinde sınıflandırma algoritmalarının karşılaştırılması
Günümüzde bilişim sistemlerinde ağ güvenliği çok önemli bir duruma gelmiştir. İnsanlar ve kurumlar aralarındaki iletişimin büyük bir kısmını bilgisayar ağları üzerinde gerçekleştirmektedir. Bu ağdaki iletişim esnasında gizli bilgilerimiz de bulunabilir. Gizlilik, bütünlük, erişilebilirlik bilgilerimiz için çok önemlidir. Kötü niyetli kişiler ağ üzerinde bulunan güvenlik açıklarından faydalanarak bilgilerimizi çalabilir ya da bilişim sistemlerimizi kullanamaz hala getirebilir. Bilişim sistemlerinde ağ üzerinde yapılan bu tür saldırılara karşı korunmak için günümüzde saldırı tespit sistemleri geliştirilmiştir. Bu noktada saldırı tespit sistemlerinde kullanılan algoritmalar büyük bir önem teşkil etmektedir. Çünkü bu algoritmalar performans açısından farklılıklar göstermektedir. Bu araştırmada 4 farklı makine öğrenme algoritması Waikato Environment for Knowledge Analysis (WEKA) ortamında kullanıldı. Bu öğrenme algoritmaları çok katmanlı sinir ağları(MLP), destek vektör makineleri(SVM), karar ağacı (J48), bulanık düzensiz kural indüksiyon(FURIA) algoritmalarıdır. Bu tezde saldırı tespit sisteminde verilen algoritmalar performans açısından karşılaştırıldı.
Otonom robotlar için pekiştirmeli öğrenme tabanlı dağıtık arıza teşhis sistemi
Otonom mobil robotlar (AMR'ler), endüstri 4.0 için en önemli siber-fiziksel sistemlerden biridir. Bu robotların arızaları, üretimde kazalara, maliyetli gecikmelere ve kesintilere neden olabilir. Arıza tespitinde veriye dayalı yapay zekâ yöntemleri başarılıdır. Fakat başarılı yapay zekâ modellerinin eğitimi, farklı sistemleri temsil eden yoğun veri gerektirir. Ham sensör verilerinin merkezi sisteme gönderimi hız, güvenlik ve bant genişliği sorunları ortaya çıkarır. Diğer yandan, yalnızca uç sistemlerde eğitilen modeller tüm ajanları ve durum uzayını temsil etmemektedir. Akıllı fabrikalar gibi gerçek ve dinamik ortamlarda birden fazla mobil robot ajan için merkezi ve eşzamanlı eğitim zordur. Her ajan bilinmeyen zor durumlarla karşılaşır ve arızalar nadir görülür, bu durum modelin dengesiz koşullarla eğitilmesi sorununu beraberinde getirir. Bu tez, öngörü ve sağlık yönetimi amaçları doğrultusunda, akıllı fabrikalarda filo düzeninde faaliyet gösteren AMR'ler için çok ajanlı pekiştirmeli öğrenmeye dayalı bir arıza tespit yöntemi önermektedir. Yöntem, ham verileri uç sistemlerden merkezi sisteme aktarmak yerine, model parametrelerinin eşzamansız olarak sistemler arası paylaşılmasına dayanır. Model eğitiminde, insan deneyiminin öğrenilmesini sağlayan taklit öğrenme kullanılmıştır. Çalışma, bilinmeyen ortamlarda birden fazla ajana yönelik eğitimde dengesiz veriler için parametrelendirilmiş orantılı ödül mekanizması önermektedir. Modeller uçta sensör tabanlı aykırılık tespiti gerçekleştirir. Arıza tespiti aşamasında tek sensör verisinde görülebilen ve yanlış alarma sebep olan gürültüye karşı karar seviyesi füzyonu uygulanmaktadır. Çalışma, Eskişehir Osmangazi Üniversitesi Akıllı Fabrika ve Robotik Laboratuvarı'nda yürütülmüştür. Sonuçlar önerilen yöntemin normal koşular için tüm yanlış alarmları ortadan kaldırdığını göstermektedir. Ayrıca arızalı koşular %100 oranında, arızalı pencereler ise yaklaşık %78 oranında tespit edilmiştir. Önerilen yöntem, arıza anını yüksek doğrulukta tespit ederek doğru bakım planlamasında kullanılabilir.
Endüstriyel robotik sistemlerin güvenlik doğrulaması
Bu çalışmada robotik sistemlerin emniyeti için yazılımlarının doğrulamasına yönelik yöntem geliştirmesi amaçlanmaktadır. Robotik sistemlerin karmaşık yapısı nedeni ile yeterince doğrulaması yapılamadan kullanıma başlanabilir. Sonradan ortaya çıkabilecek yazılım hataları nedeni ile maddi ve zaman açısından kayıplar yaşanabileceği gibi insanlarında hayati kazalarla karşılaşmasına neden olabilir. Bundan dolayı bu sistemlerin yazılımlarının emniyet açısından doğrulaması için etkin yöntemlere ihtiyaç vardır. Robotik sistemler için yaygın olarak kullanılan doğrulama yöntemlerinden benzetim ve elle yapılan testler sistemdeki tüm olası durumları değerlendiremediği için yetersiz kalabilmektedir. Bu nedenle güvenlik doğrulamaları için formal yöntemler geliştirilmiştir. Model tabanlı formal yöntemler sistemin tüm durumlarını ve olası durum geçişlerini denetleyebilmektedir. Ancak model oluşturma ve model üzerinden doğrulama yaklaşımlarının güçlükleri robotik sistem geliştirenlerin bu teknikleri kullanmasının önünde bir engel oluşturmaktadır. Bu çalışmada, robotik sistem yazılımlarının modellenmesi ve model üzerinden doğrulanmasını kolaylaştıracak yöntem geliştirilmiştir. Önerilen yöntemde sistem yazılım davranışları zamanlı otomata olarak modellenmektedir. Ancak bu modellerin karmaşıklığını gidermek için robotik sistemlerdeki ortak fonksiyonelliğe sahip bileşenler birer şablon (model blok) olarak tasarlanmaktadır. Bu şablonlar temsil ettikleri fonksiyonu gerçekleştiren zamanlı otomataları içermektedir. Robotik sistem geliştiricileri bu şablonlardan sisteme uygun olanları seçip aralarındaki ilişkileri ve parametrelerini tanımlamaktadır. Önerilen yöntemde, şablonların kullanımı ile oluşturulmuş olan model, doğrulama amaçlı kullanılabilmektedir. Elde edilen modelin doğrulaması için model denetleme tekniği kullanılmaktadır. Bu çalışmada model denetleme tekniğini gerçekleştirmek üzere UPPAAL adlı yazılım aracından faydalanılmaktadır. Önerilen yöntemin uygulanabilirliğini göstermek üzere, iki farklı endüstriyel üretim içeren robotik sistem ele alınmıştır. Anahtar Kelimeler: Model denetimi (model checker), formal doğrulama, robotik sistemler, emniyet sağlama, zamanlı otomatlar
Adversarial attack detection on internet of things networks
Adversarial attacks pose a significant challenge to deep learning (DL) models, which are increasingly deployed in security-critical applications such as Intrusion Detection Systems (IDS) for the Internet of Things (IoT). These attacks also present a significant challenge to deep learning models, which are increasingly used in security-critical applications such as Intrusion Detection Systems (IDS) for the Internet of Things (IoT). This thesis examines adversarial attacks on network traffic and focuses on vulnerabilities, attack methods, and detection mechanisms. First, vulnerability surfaces in the machine learning lifecycle are identified, and examples and potential weaknesses in the literature are evaluated. Second, existing attacks are reviewed, classified, and the ROSIDS23 dataset is introduced. The ROSIDS23 dataset provides comprehensive traffic data for cybersecurity research in ROS-based robotic systems and constitutes a valuable resource for detailed analyses involving multiple attack types. The proposed Reconstruction Error-based Adversarial Detection (READ) method uses four metrics together to detect adversarial attacks by combining existing metrics and a reconstruction error rate metric, achieving high detection rates. Results show that READ enhances IDS performance by significantly reducing adversarial effects and is particularly effective at low perturbation levels. FGSM attacks, due to their simplicity, are more easily detected compared to iterative attacks such as PGD and BIM. The proposed method detects adversarial attacks with a success rate of 92-100%. Experimental results show that integrating READ into IDS increases accuracy by up to 98% and significantly enhances system reliability.