2,402
Archived Theses
0
DOIs Assigned
0%
DOI Rate
Discipline
DDoS attack detection from network traffic data using machine learning methods
This thesis aims to develop new DDoS attack prediction models by employing various machine learning and feature selection methods. Especially, Logistic Regression (LR), Multilayer Perceptron (MLP), Support Vector Machine (SVM), and Random Forest (RF) have been used to build different DDoS attack prediction models. Relief-F and minimum redundancy maximum relevance (mRMR) algorithms have been utilized as feature selectors. The dataset has been created with 10.000 rows of traffic data, considering an equal number of rows containing four different attack types and normal traffic. The dataset encompasses a diverse array of predictor variables, notably including packet size, transmission time, and indicators of attack occurrences, among numerous others. Accuracy, precision, recall, and F1-score metrics has been utilized to evaluate the performance of the models, whereas the generalization errors of the models have been assessed using 10-fold cross-validation. Results reveal that RF surpasses all other ML classifiers for predicting DDoS attack detection. Overall, mRMR performed better than Relief-F in predicting the DDoS attack detection. In both feature selection methods, it has been determined that packet size and temporal features are the most important predictors of DDoS attack prediction.
Malware detection using machine learning and feature selection methods
This thesis aims to develop effective prediction models for malware detection using various machine learning methods and feature selection methods. Specifically, the study utilizes Light Gradient Boosting Machine (LightGBM), Decision Tree (DT), K-Nearest Neighbors (KNN), Multi-Layer Perceptron (MLP), Support Vector Machines (SVM), and Naive Bayes (NB) classifiers, each combined with Relief-F and Minimum Redundancy Maximum Relevance (mRMR) feature selectors. The analysis is conducted on 5136 samples, comprising 2683 malicious and 2501 benign files, derived from PE file header information of the Windows operating system. Evaluation of model performance is based on accuracy, F1-Score, recall, and precision criteria. Furthermore, to enhance the generalization ability of each model, 10-fold cross-validation is employed. The complexity matrices of the best performing model for each method are also provided. The results indicate that the LightGBM algorithm demonstrates promising outcomes in malware detection, both with default and optimized parameters. Moreover, the Relief-F feature selector exhibits superior performance compared to mRMR. These findings underscore the potential of LightGBM as an effective approach in malware detection and suggest that techniques such as Relief-F has significant potential for feature selection in this particular area.
Evrişimsel sinir ağları kullanarak parmak ucu görüntülerinden cinsiyet tahminlemesi
Son yıllarda günlük hayatımıza birçok yenilik getiren ve araştırmacılara yeni çalışma alanları oluşturan yapay zekâ teknolojisinin önemi gün geçtikçe artmaktadır. Cinsiyet sınıflandırma konusu da yapay zekâ alanının önemli bir araştırma konusudur. Yüz, vücut hatta parmak izi görüntülerinden cinsiyet tahmini üzerine çalışmalar yapılmıştır. Ayrıca günümüzde biyometrik tanıma sistemleri insanların parmak izlerini, yüzünü, irisini, avuç içi izlerini, imzasını, DNA ve retinasını belirleyebilecek seviyelere çıkmıştır. Çalışmada yeni bir biyometrik sistem oluşturulmasına olanak sağlayacak bir yöntem önerilmiştir. Bu çalışmada parmak ucu görüntülerinden cinsiyet sınıflandırma üzerine çeşitli modeller eğitilip, denemeler yapılmıştır. Çalışmada hazır bir veri seti kullanılmayıp 200'den fazla kişiden parmak görüntüsü toplanmıştır. Toplanan görüntülere döndürme, kesme ve arka plan azaltma işlemleri uygulanıp eğitim için hazır hale getirilmiştir. Yapılan çalışmada 4 farklı ağ modeli oluşturulmuştur. Bu modellerde veri artırma işlemleri ve transfer öğrenme kullanılmıştır. Kısıtlı bir alanda çalışma yapmak, her görüntünün kalitesinin ve açılarının farklı olmasına rağmen oluşturduğumuz model yüksek başarımlı sonuçlara ulaşmıştır. Bu çalışmada önerilen model %86,39 başarım oranına sahiptir.
K-gezgin satıcı probleminin emperyalist rekabetçi algoritması ile kümeleme tabanlı optimizasyonu
Hızla ilerleyen teknoloji ve insan ihtiyaçlarının çoğalması nedeniyle günlük yaşantıda zamanın önemi her geçen gün daha da artmaktadır. İnsanlar ihtiyaçlarını gidermenin yanında ihtiyaçlarına da bir an önce ulaşmayı hedeflemektedir. Gezgin Satıcı Problemi (GSP) de özellikle lojistik, ulaşım ve ürün tedarik alanların da kullanılan bir çözüm problemidir. Bu çalışma da Türkiye haritası üzerinde 81 il koordinatları ve iller arası mesafeler için matrisler oluşturularak, bu matrisler üzerinden yeni gelişmekte olan Emperyalist Rekabetçi Algoritması (ERA) ile en kısa tur bulunmaya çalışılmıştır. ERA ile bulunan en kısa tur, Benzetilmiş Tavlama Algoritması (BTA), Parçacık Sürü Optimizasyonu (PSO) ve Karınca Kolonisi Algoritmaları (KKA) ile bulunan en kısa turlar işe karşılaştırılmıştır. Bu karşılaştırmalar turların harita üzerinde gösterimleri, toplam mesafe ve yolculuk süreleri ile sağlanmıştır. Ayrıca zamanın önemli olmasından dolayı 81 il için tek tur yerine, bu illeri 7, 8 ve 9 kümeye ayırarak daha avantajlı sonuçlar bulunmuştur. Oluşturulan kümeler için küme merkezleri arası ve küme iç turları için GSP çözümlemesi yapılmıştır. Tüm bu çıkan sonuçlar Karayolları Genel Müdürlüğü (KGM) sayfasındaki iller arası mesafeler ve yolculuk süreleri açısından değerlendirilmiştir.
Mobil ve web uygulama ile derin öğrenmeye dayalı tohum sınıflandırması
Tarımsal üretimde tohum kalitesi önemli bir faktördür. Son zamanlarda, tarım sektöründe üretkenliği arttırabilmek için gelişmiş teknolojilere ihtiyaç duyulmaktadır. Yapay zeka çalışmalarının tarım sektörüne dahil edilmesi bu ihtiyacın bir sonucu olarak ortaya çıkmıştır. Bazı tohumlar yapısı gereği küçüktür ve türler arasındaki farklılıkları tanımlayıp sınıflandırmak zordur. Geleneksel yöntemde, bu farklılıkları tanımlayıp sınıflandırmak uzmanlar tarafından morfolojik yapı, şekil, doku ve rengi göz önünde bulundurularak karar verilmektedir. Bu yöntemde sınıflandırma işlemi maliyetli, öznel ve zaman alıcı olduğu için tohum türlerini hızlı ve doğru bir şekilde tespit edebilen otomatik bir sistem geliştirilmesi gerekmektedir. Bu çalışmada, derin öğrenme tekniklerinden CNN kullanılarak hızlı bir şekilde tohum görüntülerini yüksek doğrulukta tespit eden ve sınıflandıran bir mobil uygulama ve web uygulaması geliştirilmiştir. Yaygın olarak bilinen 15 çeşit tohum görüntüsünden oluşan bir veri seti oluşturularak eğitim işlemi yapılmıştır. InceptionV3, Xception ve InceptionResNetV2 modellerinde %99 doğruluk, ResNet50 modelinde %98 doğruluk elde edilmiştir. Yüksek doğrulukta çalışan modelin mobil ortamda ve web ortamında çalışması sağlanmıştır. Ayrıca mobil uygulama sayesinde kullanıcıya tanımlanan tohumun morfolojik özellikleri ve kullanımı hakkında detaylı bilgiler verilmesi sağlanmıştır.
Makine öğrenme teknikleri kullanılarak basınç ülserlerinin sınıflandırılması
Basınç ülserleri yatağa bağlı hastalarda uzun süre hareketsizliğe bağlı oluşan yaralardır. Bu durum dünyada önemli bir sağlık sorunu haline gelmiştir. Tedavinin etkili olabilmesi için basınç ülserlerinin teşhisinin doğru yapılması çok önemlidir. Yara özellikleri, iyileşme üzerinde önemli bir etkiye sahiptir. Girişimsel bilgi alma yöntemleri, basınç ülserlerinin teşhisinde hastalar için acı vericidir. Ayrıca bu yöntemler, hastanın enfeksiyon kapmasına sebebiyet verebilir. Bu yüzden, cerrahi işlem gerektirmeyen yara izleme teknikleri tercih edilmelidir. Görüntüleme sistemleri sayesinde yara ile temas edilmeden yaranın özelliklerinin doğru bir şekilde analiz edilmesi sağlanır. Bu tez çalışmasının amacı, görüntü analizinde makine öğrenmesi tekniklerinden yararlanılarak basınç ülserlerinin sınıflandırılması ile tedavi süreçlerine olumlu bir katkıda bulunmak ya da yara oluşumunun önlenmesini sağlamaktır. Bu tezde literatürde basınç yarası problemine evrelendirme sayısı bakımından yenilik getirilmiştir. Basınç yarası evrelendirilmesi doğru bir görüntü sınıflandırma problemi şeklinde ele alınmıştır. 697 tane yara görüntüsünden oluşan gerçek hastane verileri, Lojistik Regresyon, Yapay Sinir Ağları ve Destek Vektör Makineleri yöntemleri ile analiz edilmiştir. Bu görüntülerindeki yara rengi, ölçüsü gibi özellikler görüntü işleme sayesinde ayrıştırılmış ve görüntülerden yaranın hangi evrede olduğu belirlenmiştir. Sınıflandırma için basınç ülserlerinin 6 evresi referans alınmıştır. Bu çalışmada az sayıda veri setindeki farklı açılardan elde edilen görüntülerin bulunması sınıflandırma için uzmanların sınıf değerlerini tayin etmelerinde zor olmasa da arka planda bulunan görüntüler sınıflandırmayı zorlaştırmaktadır. Eğitim için daha çok veri kullanılması ve Derin Öğrenme mimarileri kullanılması performans değerlerini artıracaktır.
Veri madenciliği yöntemleriyle sosyal medya duygu analizi
Son yıllarda internete erişim imkanlarının artması ve kullanıcılardaki akıllı telefon kullanımının yaygınlaşması sebebiyle sosyal medya olarak adlandırılan ve insanların çeşitli konulardaki fikirlerini paylaştığı servisler çok yaygın olarak kullanılmaya başlamıştır. Kullanıcılar tarafından bu servislere girilen ve birçok farklı platformda depolanmakta olan veriler çeşitli veri madenciliği yöntemleriyle analiz edilerek anlamlı bilgi çıkarımları yapılmaya çalışılmaktadır. Sosyal medya verilerinin analiz edilmesiyle insanların farklı konulardaki duygularına dair anlamlı çıkarımlarda bulunulması anlamına gelen Duygu Analizi çalışmaları da bu konuda öne çıkan çalışma alanlarından biridir. Duygu Analizi, insanların görüşlerinin olumlu, olumsuz veya nötr gibi çeşitli sınıflara göre kategorize edilmesi işlemidir. Ve işletmeler açısından müşterilerinin davranış eğilimlerinin anlaşılması, hastaların ruh sağlığının değerlendirilmesi, insanların çeşitli toplumsal olaylarda verdiği tepkilerin ortaya çıkarılması gibi birçok sektörde aktif olarak kullanılmaktadır. Bu tez çalışmasında, kullanıcıların IMDB internet sitesinde paylaşmış oldukları film yorumlarından oluşan etiketli bir veri seti, çeşitli veri madenciliği yöntemleri kullanılarak sınıflandırılmış, Python, Matlab ve R programlama dilleri ile duygu analizi çalışması gerçekleştirilmiş ve elde edilen sonuçlar farklı değerlendirme kriterlerine göre karşılaştırılmıştır.
Breast cancer classification using effective machine learning techniques
Breast cancer remains a leading cause of death among women worldwide, underscoring the urgent need for practical diagnostic tools. This work presents an advanced machine learning algorithm designed to enhance the classification accuracy of breast cancer. The system integrates a deep multi-layer perceptron (Deep MLP) for feature extraction, a feature-fused autoencoder for efficient dimensional reduction, and a weight-tuned decision-tree classifier optimized by cross-validation and square weight adjustment. The Wisconsin breast cancer dataset is utilized to test the results of the method rigorously using k-fold cross-validation. Optimizing performance has been done under different hyperparameters, namely, the number of hidden units, dropout rate, batch size, as well as test-train percentages. The performance of the model was evaluated under all the given conditions for key Metrics. These are the Accuracy, Precision, Recall, F1-score, and area under the curve (AUC). Using the above metrics, the model was able to distinguish malignant and benign tumors. Our findings show that this approach performs better than traditional classification methods, leading to accurate and robust results across several data partitions. This research contributes to a new framework pertaining to deep learning, Auto-encoder, and decision tree, which clearly shows that this framework has a very high probability of impacting breast cancer diagnosis while providing usefulness to physicians. Furthermore, the use of the METABRIC dataset ,which is substantially larger and more diverse than classical breast cancer datasets ,provided a robust evaluation environment for the proposed hybrid model. Its rich clinical and genomic features enabled deeper validation of the model's generalization capability and demonstrated its effectiveness in handling complex, real-world data.
Client-server secure web communication with blockchain method
Although the term blockchain has been heard with bitcoin, it can be used in many technologies, not just crypto money. Blockchain has a distributed architecture and is a constantly growing data structure. Data blocks cannot be changed, each block has its own data and the previous block's address data. Blockchain does not have a centralized system, it ensures that all participants to participate in the network are included in the chain as a link. In this paper; Secure connection has been proposed using a new method, blockchain can use instead of SSL/TLS, which is used to communicate between client and server on web pages. It has been designed in such a way that the blockchain will take part in the management of the key sharing between the server and the client. It has been demonstrated by an experimental study that secure data exchange between the client and the server is carried out using the method called SSLChain.
Veri madenciliği sınıflandırma yöntemlerinin veri bilimi anketi veri seti ile karşılaştırmalı analizi
Veri Madenciliği teknolojisi günden güne popülerliğini artıran bir teknoloji olmaktadır. Popülerliğinin artmasının en büyük sebeplerinden biri de çalışma alanı sınırının bulunmamasıdır. Teknik altyapı olarak bilişim sektörüne ait olan Veri Madenciliği teknolojisi, birçok sektöre kolaylık ve avantaj sağlamak için hizmet sunmaktadır. Çalışma kapsamında Veri Madenciliği teknolojisinde tercih edilen yazılım dili, kullanılan algoritma vb. kriterlerinin girdi olarak kabul edildiği, veri bilimcilerin tercih ettikleri bu teknik bilgilerden çıkarımla hangi sektörde çalıştıklarına dair çıktı bilgilerinin yer aldığı "Veri Bilimi Anketi" isimli veri seti kullanılmaktadır. Veri setinin Sınıflandırma Algoritmalarından C4.5 Algoritması, Rastgele Orman Algoritması ve K- En Yakın Komşu Algoritması ile modellenmesi sonucu başarı oranları değerlendirmelerine değinilmiştir. Modellerin başarı oranı kıyaslamaları gerçekleştirilirken, Sınıflandırma yöntemine ait olan algoritmalar hem orijinal hem de işlenmiş veri setini kullanmışlardır. Veri setleri bazında model başarı oranları değerlendirildiğinde, orijinal veri seti kullanılarak oluşturulan modellerin başarı oranları, veri ön işleme aşaması sonrasında oluşturulan işlenmiş veri seti kullanılarak da modellendiğinde başarı oranlarında %14-15 oranında artış olmaktadır. İşlenmiş veri seti, seçili sınıflandırma algoritmaları (C4.5, Rastgele Orman ve KNN) ve bu algoritmaların varsayılan algoritmik nitelikleri ile modellendiğinde elde edilen başarı oranları algoritmalar bazında kıyaslandığında sapma oranı çok düşük olmaktadır. Algoritmaların başarı oranları ön işleme öncesi kullanılan orijinal veri seti ve ön işleme sonrasında kullanılan işlenmiş veri seti ile algoritma bazında değerlendirildiğinde ise sapma değeri daha belirgin olmaktadır. Ayrıca KNN algoritmasına özgü olan "k" nitelik değerinin farklı değerler alması sonucu veya Eğitim-Test veri seti bölümleme seçenekleri gibi model başarı oranında sapma yaratacak durumlar için de başarı oranı değerleri gözlemlenmiştir. Ancak bahsedilen durumların model başarısına etkisi, ön işleme aşamasının model başarısına olan etkisi kadar belirgin değildir. Gerçekleştirilmiş olan bu kıyaslamalardan çıkarımla, başarılı modeller oluşturulabilmesi için Veri Madenciliği aşamalarının önem/etki seviyeleri değerlendirilmiş olup, Veri Madenciliği aşamaları "döngüsellik" ve "öznellik" kavramlarından faydalanılarak yorumlanmışlardır.
IoT tabanlı akıllı şehirlerde derin öğrenme ve mobil tabanlı akıllı park sistemi yaklaşımı
Nesnelerin İnterneti (IoT) ve akıllı şehir ekosistemleri çağında, daha sürdürülebilir şehirler için yenilikçi akıllı park sistemlerine ihtiyaç duyulmaktadır. Her geçen gün artan araç sayısı ile akıllı park sistemleri akıllı şehirlerde önemli konular arasında yer almaktadır. Bunun nedeni yetersiz olan park yeri arayışlarının ciddi bir maliyet, hava kirliliği ve stres sorunlarını beraberinde getirmesidir. Akıllı park sistemleri ile ilgili yapılan araştırmalar bulunan çözümler artık yeterli gelmemektedir. Bu tez çalışmasında sürücülerin park yeri arama sorununu en aza indirmek için derin öğrenme ve bulut tabanlı yeni bir mobil akıllı park uygulama tasarımı geliştirilmiştir. Uygulama içerisinde, park yerini tahmin etmek için LSTM ile derin öğrenmeye dayalı bir hizmet geliştirilmiştir. Burada kullanıcının mobil cihazı üzerinden daha önce oluşturulan LSTM tabanlı modele dinamik erişim sağlanmakta ve ilgili parametreler girilerek parkların istenilen yerdeki doluluk oranlarının mobil cihaz üzerinde görüntülenmesi işlemi gerçekleştirilmektedir. Bu sayede hem enerji hem de zaman tasarrufu sağlanmıştır. Türkiye'de İstanbul ilinde gerçek zamanlı toplanan otopark verileri ile %99,57 doğrulukta sonuç elde edilmiştir. Önerilen modelin etkinliğini göstermek için makine öğrenmesi modelleri olan, SVM, RF ve ARIMA yöntemleri ile karşılaştırılmıştır. Tez çalışmasının devamında otopark kullanımında önemli etkisi olan hava durumu verileri AKOM'dan alınarak otopark verileri ile birleştirilmiştir. Zaman serileri tahmini problemlerinde yaygın olarak kullanılan ve başarısını ispatlamış olan GRU, LSTM ve RNN yöntemlerinden oluşturulan 27 farklı model ile bu veri seti üzerinden deneyler yapılmıştır. Elde edilen sonuçlarda GRU derin öğrenme modeli %99,11 doğruluk ve 0,90 MAE, 2,35 MSE ve 1,53 RMSE metrik değerleri ile en iyi sonucu vermiştir. Çeşitli hiper parametrelerle elde edilen deneysel sonuçlar, GRU derin öğrenme modelinin park doluluk oranlarını tahmin etmedeki başarısını açıkça göstermektedir. Elde edilen sonuçlar incelendiğinde derin öğrenme modellerinin park yeri tahminindeki yüksek doğruluk oranı, daha sürdürülebilir akıllı şehirler için akıllı park sistemlerinde kullanılabileceğini göstermiştir.
Geliştirilen yeni filtrelerin ve temel frekans tespit yönteminin derin öğrenme ile konuşma duygu analizinde uygulanması
Bu tez çalışmasında konuşma duygu tanıma uygulamaları için yeni filtre bankaları ve insan sesi temel frekans tespiti için yeni bir metot önerilmektedir. Yeni filtre bankalarının konuşma duygu tanıma uygulamalarında büyük gelişmelerin önünü açması beklenmektedir. Günümüze kadar pek çok farklı filtre bankası konuşma tanıma uygulamaları için önerilmiştir. Ancak bu modeller genellikle çok fazla parametre içermekte veya karmaşık bazı matematiksel işlemlere gereksinim duymaktadırlar. MFCC (Mel Frequency Cepstral Coefficients) katsayıları Mel filtre bankalarından türetilirken DCT (Discrete Cosine Transform) uygulanmaktadır. Ayrıca MFCC katsayılarını akustik olarak yorumlamak hemen hemen imkansızdır. Mel filtre bankaları daha kolay yorumlanabilmesine rağmen çok fazla sayıda parametre içermektedir. Önerilen EFB (Emotional Filter Banks) filtre bankaları daha kolay yorumlanabildiği gibi hesaplama yönünden de daha hızlıdırlar. Bu çalışmada bu filtre bankalarını SVM-SMO (Support Vector Machine-Sequential Minimal Optimization) ve Derin Yapay Sinir Ağı modelleri ile uygulayıp MFCC ve Mel filtre bankaları ile EmoSTAR, EmoDB (Berlin Emotional Database), IEMOCAP (Interactive Emotional Dyadic Motion Capture Database) ve MELD (Multimodal EmotionLines Dataset) verisetleri üzerinde uygulayıp karşılaştıracağız. Özellik seçme ve veri türetme uygulamaları da ayrıca incelenecektir. Temel frekans tespiti için HDM (Harmonic Differences Method) metodu önerilecek olup genişbant ve darbant (telefon) konuşma için araştırılacaktır. HDM harmonikler arasındaki farkı temel alarak çalışmaktadır. Temel frekans için Hillenbrand ve Texas Sesli verisetleri ile TIMIT (Texas Instruments Massachusetts Institute of Technology) verisetinin sesli kısmının tamamı kullanılacaktır. HDM algoritması otokorelasyon, kepstrum, YIN, YAAPT (Yet Another Algorithm for Pitch Tracking), CREPE (Convolutional Representation for Pitch Estimation) ve FCN (Fully Convolutional Network) metotları ile karşılaştırılacaktır. Sonuçlar harmonikler arasındaki farkların temel frekans için iyi bir seçim olduğunu ve HDM metodunun diğerlerine göre çoğunlukla daha başarılı sonuçlar üretebildiğini göstermektedir.
Sosyal Ağlarda Duygu Analizi için Hibrit Bir Yöntem Geliştirilmesi
Teknolojinin gelişmesi, insanların sosyal hayatlarında birçok alışkanlığının değişimine sebep olmuştur. Pandeminin de etkisiyle eğitim başta olmak üzere birçok alanda yüz yüze iletişim oldukça azalmıştır. İnsanlar, sosyalleşmek için sosyal medya ve web sitelerine hızlıca erişim sağlayabilecekleri mobil cihazlar ile vakit geçirir hale gelmişlerdir. Pandemi sona ermesine rağmen, insanlar sosyalleşmek için web sitelerini ve sosyal medya uygulamalarını hala yaygın olarak kullanmaya devam edilmektedirler. İnsanlar birlikte izledikleri film, gittikleri restoran gibi birçok deneyimleri hakkında fikirlerini anlık şekilde paylaşmaktadırlar. Bu durum sosyal medya ve web siteleri aracılığıyla sürekli bir veri paylaşımına sebep olmaktadır. Bu veri paylaşımı çok büyük boyutta veri toplanmasına sebep olmaktadır. Bu veriler, pazarlamadan, reklama kadar birçok kurumu yakından ilgilendirmektedir. Bu kurumlar kendileri veya sektörlerine yönelik paylaşılan verileri kullanmak amacıyla çalışmalar yapmaktadırlar. Gelişen yapay zeka teknolojileriyle, bu çalışmalar firmalara katma değer kazandırmaktadır. Bu değeri kazandıran çalışma alanlarından biri de yapay zekanın alt dalı olan doğal dil işleme görevlerinden duygu analizidir. Bu çalışmada, IMDB web sayfasından toplanan veri kümesinde duygu analizi görevine yönelik deneysel çalışmalar gerçekleştirilmiştir. IMDB veri kümesi üzerinde Word2Vec kelime gömme yöntemi sonrası altı adet BiGRU ve sonrasına iki Evrişim Sinir ağı ile MBiGRUMCONV olarak isimlendirilen yeni bir yöntem önerilmiştir. Önerilen bu yöntemin en iyi doğruluk performansını verdiği %80-%20 eğitim-test ve %10 doğrulama kümesinde test sonuçları; %90,59, doğrulama kümesi sonuçları %94,67'dir. Ayrıca önerilen modelin 3, 5 ve 10 kat çapraz geçerleme sonuçları da alınmıştır. En iyi sonuç, 5-kat çapraz geçerleme ayrımında %90,67 doğruluk değeri ile alınmıştır. Tüm sonuçlar bir arada değerlendirildiğinde önerilen yöntemin literatür çalışmalarına kıyasla rekabetçi bir performans sergilediği görülmüştür. Çalışma kapsamında TripAdvisor, Rotten Tomatoes ve Twitterdan toplanan açık kaynak olarak sunulan veri kümeleri üzerinde farklı metin temsili yöntemleri sonrasında çeşitli derin öğrenme, makine öğrenmesi ve topluluk öğrenme yöntemleriyle modeller oluşturulmuştur. Yüksek model başarımı almak için gelecek çalışmalarda, hibrit model oluştururken; ön eğitimli BERT türevleri ile metin temsili çıkarıldıktan sonra çift yönlü sinir ağlarının kullanılması önerilmektedir.
Çocuklukta zatürre hastalığının göğüs röntgen görüntülerinden derin öğrenme ile tespiti
Hastalıkları otomatik olarak tespit etmeye yönelik çalışmaların popülaritesi her geçen gün artmaktadır. Son zamanlarda birçok araştırmacı, Derin Öğrenme (DL) kullanımının daha iyi algılama performansı ve daha kolay sınıflandırma süreci sergilediğini kanıtlamıştır. Bundan dolayı, DL tabanlı teşhis araştırma makalelerinin sayısı artmaya devam etmektedir. Bu çalışmada, solunum yolu hastalıklarından olan zatürre hastalığının erken tespiti için derin öğrenme modelleri önerilmektedir. Çocukluk çağı zatürresi, çocuk ölümlerinin önemli nedenlerinden biridir ve bu konuda doğru tespit kritik bir role sahiptir. Önerilen ağ modelleri, zatürre hastalığına sahip bireylerin ve sağlıklı bireylerin göğüs röntgen görüntüleri üzerinden eğitilmektedir. Böylece sistem Zatürre hastalığının erken teşhisine yardımcı olur. Bu modeller, iki sınıflı sınıflandırma modelini önermektedir. Modellerin eğitimleri öncesinde veri setine belirli ön işlem adımları uygulanmış ve SMOTE yöntemiyle veri arttırma işlemi gerçekleştirilmiştir. Bu yöntem ile her iki sınıfa ait eğitim veri setinin sayısı eşitlenmiştir. Böylece eğitimde sayıca fazla olan sınıfa eğilim azaltılmıştır ve aşırı uydurma önlenmiştir. Ağın eğitimi, derin öğrenme algoritmalarından CNN, RNN ve LSTM algoritmaları ile gerçekleştirilmiştir. Eğitimli modeller, zatürreyi CNN %97.23, RNN %89.23 ve LSTM %88.92 doğrulukla tespit etmiştir ve en son teknolojiden daha iyi performans gösterir.
Düzce ili elektrik enerjisi talep tahmini
Enerji, sistemin iş yapabilme kapasitesi veya yeteneğidir. Günümüz dünya medeniyetinde enerji önemli bir yaşam kaynağıdır. Enerji, geçmiş zamandan günümüze hayatımızın vazgeçilmez ihtiyaçlarından birisi olmuştur. Elektrik enerjisi aktif olarak sanayi bölgelerinde, ticarethanelerde ve konutlarda kullanılmaktadır. Elektrik enerjisi, depolanamaması nedeniyle elektrik enerjisi talebinin tahmininin gerçekleştirilmesi operasyonel ve mali planlama açısından önem arz etmektedir. Elektrik enerjisi ihtiyacı, artan nüfus, teknolojinin gelişmesi ve üretimin artması ile gün geçtikçe hızlı bir biçimde artış gösterdiği görülmektedir. Bu artışta arz talep dengesini karşılamak için gerekli elektrik enerjisinin tahmin edilmesi gereklidir. Bu sayede elektrik enerjisinin gereksiz maliyetlerinin önüne geçilmiş olunacaktır. Bu çalışmada, Düzce ilinin elektrik talebi için EPDK (Enerji Piyasası Düzenleme Kurumu) verileri kullanılarak elektrik enerjisi talep tahmini gerçekleştirilmiştir. Tahmin etmek için zaman serisi modelleri olan ARIMA, TBATS ve Prophet yöntemleri kullanılmıştır. Kullanılan yöntemlerin tahmin sonuçları incelenmiş ve birbirleri ile kıyaslanmıştır. Çalışmamız neticesinde genel olarak ARIMA yönteminin, bazı aylarda ise TBATS ve Prophet yönteminin daha iyi sonuçlar verdiği görülmüştür. Düzce ili için gelecek aylarda tüketilecek elektrik enerjisinin tahmin edilmesi, talep edilecek elektrik enerjisini miktarını belirlemede avantaj sağlayacaktır. Tüketilecek miktardan daha az olması durumunda kesintiler yaşanabilir, fazla olması durumunda ise uzun süreli depolanamadığı için ihtiyaç fazlası olan miktar kadar fazladan ücret ödemesi yapılmaktadır. Bu durumun önüne geçilmesi için geleceği yönelik elektrik enerji tüketimi tahmin çalışması önem arz etmektedir.
Düzce ili doğalgaz talep tahmini
Doğalgaz, organik bileşenli maddelerle yeryüzünün alt kısımlarında milyonlarca yıldır sürmekte olan kimyasalların ayrılması durumunda ortaya çıkmıştır. Doğalgaza olan talebin nedeni, hızlı nüfus artışı, değişen iklim koşulları olarak düşünülebilmektedir. Doğalgazın enerji tasarrufu ve dış ülkelerden gerçek değere en yakın şekilde talep edilmesi için, tahminlemenin de en yakın düzeyde elde edilmesi beklenmektedir. Talep tahmininin doğruluğu, doğalgazın ithal edilmesi, ülkedeki altyapıya yapılan yatırımların ve harcamaya dair planlamasını daha verimli hale getirecektir. Araştırmalar sonucu Düzce ilinde doğalgaz talep tahmini yapılması; Düzce ili için doğalgaz talebi karşılanması, Düzce ilinin sanayi merkezi ve nüfusunun hızlı artışı nedeniyle önemlidir. Bu çalışmada Düzce doğalgaz talebi tahmini için veriler EPDK (Enerji Piyasası Düzenleme Kurumu) verileri kullanılarak ARIMA, TBATS ve PROPHET yöntemleri kullanılarak; tahminleme gerçekleştirilmiştir. Bu modellerin başarı kriterleri MAE (Mean Absolute Error – Ortalama Mutlak Hata), RMSE (Root Mean Squared Error – Hata Karelerinin Ortalamasının Karekökü) ve MAPE (Mean Absolute Percentage Error – Ortalama Mutlak Yüzde Hata) kullanılarak test edilmiştir. Bu kriterlere göre ARIMA ve TBATS yüksel başarı gösterirken, PROPHET diğerlerine göre daha düşük başarı göstermektedir.
Çok kriterli karar verme yöntemi ile karmaşık ağdaki düğümlerin ayırt edilebilirliğinin artırılması için bileşik merkezilik ölçütlerinin geliştirilmesi
Karmaşık ağlarda düğümlerin merkeziliğinin belirlenmesi, etkileyici düğümlerin tespiti, viral pazarlama, söylentilerin yayılmasının önlenmesi gibi birçok alanda pratik faydalar sağlamaktadır. Öte yandan, merkeziliğin tanımı konusunda bir fikir birliği yoktur. Bu nedenle, bir düğümün merkeziliğini ölçmek için derece, yakınlık ve aradalık gibi farklı merkezilik ölçütleri geliştirilmiştir. Bununla birlikte, her merkezilik ölçütü, ağdaki düğümlerin çeşitli özelliklerini kendi bakış açısından ön plana çıkarabilmektedir. Bundan dolayı her merkezilik ölçütü, karmaşık ağdaki düğümleri farklı bir sırada sıralayabilmektedir. Son yıllarda araştırmacılar, çoklu merkezilik ölçütlerini birleştiren yaklaşımlara odaklanmaktadır. Bu tezde, birden çok merkezilik ölçütünü birleştirmek için Analytic Hierarchy Process (AHP) ve kriter ağırlıklandırmak için Entropi ağırlıklandırma ve Technique for Order Preference by Similarity to Ideal Solutions (TOPSIS) ağırlıklandırma yöntemlerini kullanan hızlı ve etkin bir yöntem öneriyoruz. Önerilen yöntem, sentetik ve gerçek veri setleri ile yapılan testlerin sonuçları kıyaslanarak elde edilmiştir. Deneysel sonuçlara göre önerilen yöntem benzer çalışmalara göre rekabetçi sonuçlar verirken, hesaplama hızı bakımından diğer yöntemlerden daha iyi olduğu görülmüştür. Böylece, önerdiğimiz yöntemin büyük ve dinamik karmaşık ağlarda kullanımını mümkün kılmaktadır. Bu amaçla 8 farklı veri seti ile analizler yapılmıştır. Her düğüme ait Aradalık (BC), Yakınlık (CC), Derece (DC), Özvektör (EC), Hubs (HS) and authorities (HA) ve Pagerank (PR) analizleri yapılmıştır. Bu tez çalışmasında elde edilen merkezilik sonuçlarının birlikte kullanılarak düğümlerin daha ayırt edilebilmelerinin artırılması amaçlanmıştır. Çok Kriterli Karar Verme Yöntemlerinden (ÇKKVY) AHP süreci uygulanarak her veri setine ait 127 kombinasyon elde edilmiştir. AHP sürecinde düğüm ağırlıkları Entropi ağırlıklandırma ve TOPSIS ağırlıklandırma yöntemleri kullanılmıştır. Her kombinasyondaki düğümler değerlerine göre gruplanarak ağdaki tüm düğümlerin sayısına oranlanmıştır. Böylece ağdaki düğümlerin ayırt edilme oranları elde edilmiştir. Bu tezde, karmaşık ağlarda bulunan düğümlere ait farklı merkezilik ölçüt değerlerinin objektif yöntemlerle birleştirilmesi ile düğümlerin ayırt edilebilirliği artırılabildiği görülmüştür.
Bebek ağlamalarının makine öğrenmesi algoritmalarıyla sınıflandırılması
İnsanlar sürekli olarak birbirleriyle iletişim halindedirler ve bunu genellikle dil aracılığıyla gerçekleştirirler. Yeni doğan bir bebeğin bu beceriyi kazanana kadar kendini ifade etmek için en etkili yolu ağlamaktır. Bebek ağlamaları genellikle yetişkinler tarafından rahatsız edici ve anlamsız olarak algılanabilirken, aslında birçok bilgi içerebilirler. Bu bilgiler doğru yöntemler kullanılarak analiz edildiğinde bebeğin ağlama nedenini ortaya koyabilir. Bebeğin sağlığı ve mutluluğu için ağlama nedeninin anlaşılması çok önemlidir. Bu tez çalışmasında, bebek ağlaması sinyallerindeki bilgi ses işleme yöntemleri kullanılarak anlamlandırılmaya ve makine öğrenimi algoritmalarıyla sınıflandırılmaya çalışılmıştır. Bu doğrultuda beş ayrı sınıfa ayrılmış bebek ağlaması ses sinyalleri içeren bir veri seti kullanılmış, veri seti üzerinde verileri eşit parçalara bölme yöntemi uygulanarak her bölme işlemi için ayrı veri seti oluşturulmuştur. Daha sonra her veri seti üzerinde öznitelik çıkarma işlemleri uygulanmış ve sınıflandırma algoritmaları ile performans değerleri ölçülmüştür. Bu ölçüm sonuçları incelenmiş ve kullanılan veri artırma yöntemi ile oluşturulan veri setleri üzerinde daha yüksek performans değerleri elde edildiği görülmüştür. Kullanılan altı algoritma oluşturulan veri setleri ile modellenmiş ve en yüksek performans skoru Extreme Gradient Boosting (XGBoost) algoritması ile %99,51 olarak bulunmuştur.
Derin öğrenme yöntemleri kullanılarak deepfake medya dosyalarının tespiti
Deepfake medyalar, insanların görüntülerinin ve/veya seslerinin değiştirildiği, taklit edildiği her türlü görsel işitsel verilerdir. Genellikle insanların yüzlerinin değiştirildiği deepfake medya türü ile daha sık karşılaşılmaktadır. Teknolojik gelişmelerin paralelinde yapay zeka algoritmalarında görülen gelişmeler çok daha gerçekçi deepfake medyalar üretilmesine olanak sağlamıştır. Deepfake medyaların birçok farklı alanda iyi niyetli ya da kötü niyetli olarak kullanım örnekleri görülmektedir. Bireylerin deepfake medya teknolojisinin kötüye kullanımına maruz kalmaması için sosyal medya gibi platformlarda herkese açık olarak görsel ve işitsel medyalarını paylaşmaması gerekmektedir. Deepfake medyaların kötüye kullanımını engellemek adına devletlerin de gerekli önlemleri alması çok önemlidir. Son dönemlerde deepfake medyaların tespit edilmesi hakkında akademik çalışmaların sayısında artış görülmektedir. Çalışmamızın ana konusu deepfake medyaların derin öğrenme mimarileri kullanılarak tespit edilmesine yöneliktir. Bu kapsamda 5 farklı ön eğitimli model (VGG16, EfficientNetB4, DenseNet201, InceptionV3, ResNet50V2) Google Colab ortamında FaceForensics++ veri seti üzerinde test edilmiştir. 0,93 AUC değeri ile en başarılı model EfficientNetB4 olmuştur.
Derin öğrenme tabanlı bas konuş/interkom sistemlerinde ses duygu analizi
Metrolarda bulunan Bas-Konuş sistemleri yolcuların makinistle iletişime geçmelerini sağlayan sistemlerdir. Yolcular bu sistem aracılığı ile acil durumlarda makinistle irtibata geçerek bir sıkıntı olduğunu söyleyebilmektedir. Ancak mevcut Bas Konuş/ Interkom sistemlerinde bir öncelik olayı olmadığı için makinist rastgele butona basan biriyle de görüşebilmektedir. Dolayısıyla önemli /acil bir durum için basan yolcu görüşmek için daha sonraya kalabilmekte ve geç müdahaleye sebep olabilmektedir. Bu çalışmada, bas/konuş sistemlerinde karşılaşılan bu sorunlara çözüm getirmek amacı ile, son yıllarda geliştirilen derin öğrenme mimarilerinden Wav2Vec2 kullanılmıştır. Bas-konuş cihazından butona basan yolcu konuştuğunda, insan sesini algılayan sistem devreye girmektedir. Bas-konuş cihazından butona basan yolcu konuştuğunda, eğitilmiş model ile duygu sınıflandırma yapılarak, yolcunun gerçekten acil bir durumda olup olmadığı algılanmaktadır. Bu çalışmada eğitilen duygu sınıflandırma modelinin, sisteme entegre edilmesi ve tahmin edilen duygu sınıfına göre, sistem otomasyonu geliştirilmesi, acil olmayan durumların otomatik bir sistem cevabı ile geçilmesini ve acil durumların geciktirilmemesi amaçlanmaktadır. Çalışmada EMO-DB veri setinde yer alan, duygu sınıflarına göre önceden eğitilmiş bir Wav2Vec2 modeli kullanılarak transfer öğrenme yoluyla ses verileri 2D görüntülere, yani ses spektrogramlarına dönüştürülmüştür. Elde edilen veri seti ile transfer öğrenme yolu ile eğitilen model de, %92 doğruluk değerine ulaşıldığı görülmüştür.
Hava aracı tespit ve takip sisteminin gerçek zamanlı olarak gömülü sistem üzerinde gerçekleştirilmesi
Bu tez çalışması, İnsansız Hava Araçlarının (İHA) çeşitli savaş senaryolarında pilot seviyesinde karar alabilme ve hedef takip edebilme yeteneklerini kazanmasını sağlayacak bir gömülü sistem geliştirmeyi amaçlamaktadır. Bu kapsamda, gömülü sistemler ile nesne tespit modellerinin entegrasyonu ele alınmış ve gerçek zamanlı olarak hedef tespit ve takip işlemlerinin sağlanması hedeflenmiştir. Çalışmada Python, OpenCV ve YOLO gibi teknolojiler kullanılarak, düşük gecikme süresine sahip bir sistem elde edilmesi amaçlanmıştır. Sistem, İHA'nın burun kısmına yerleştirilen yüksek çözünürlüklü bir kamera ile canlı görüntü elde ederek, bu görüntüyü gömülü sistem üzerinde işleyip hedef hava aracını tespit etmekte ve takip işlemini başlatmaktadır. YOLO modeli, bu projede yüksek doğruluk ve hız sağladığı için tercih edilmiştir. Hedef hava aracının konumu ve yönelimi tespit edildikten sonra, uçuş bilgisayarına gönderilen kontrol sinyalleriyle takip işlemi sürdürülmektedir. Bu teknoloji sayesinde, savaş pilotlarının maruz kaldığı tehlikeli senaryolar, insan müdahalesi gerekmeksizin otomatik olarak yönetilebilmekte, bu da güvenlik ve operasyonel maliyetler açısından önemli avantajlar sunmaktadır. Tezin deneysel çalışmaları kapsamında, farklı simülasyon yazılımları ve sanal test ortamları aracılığıyla elde edilen sonuçlar, sistemin doğruluk ve kararlılık açısından başarılı performans sergilediğini ortaya koymuştur. Özellikle YOLOv8n modeli, eğitim sürecinde %90,79 mAP@0.5 doğruluk değerine ulaşarak sabit kanatlı hava aracı tespiti görevlerinde yüksek başarı sağlamıştır. Bu doğruluk oranı, gömülü sistemler için optimize edilmiş modeller arasında önemli bir yer edinmiştir. Gerçek zamanlı testlerde Jetson Nano üzerinde ortalama 17,5 FPS değerine ulaşılmış ve bu da sistemin hem hız hem de doğruluk açısından uygulamaya elverişli olduğunu göstermiştir. Takip algoritmaları açısından değerlendirildiğinde, klasik Kalman Filtresi düşük hesaplama maliyetiyle bazı senaryolarda yeterli performans sunarken, karmaşık manevralar ve doğrusal olmayan uçuş dinamiklerinde yetersiz kalmıştır. Bu bağlamda kullanılan Genişletilmiş Kalman Filtresi (EKF), hem bilgisayar hem de Jetson Nano ortamında yapılan testlerde yüksek izleme kararlılığı sunmuş ve sistemin genel performansına önemli katkı sağlamıştır. EKF ile yapılan izleme sürecinde sistem, yön değiştirme, hızlanma ve hedef kaybı gibi durumlarda dahi kesintisiz ve tutarlı tahminler üretebilmiştir. Sonuç olarak, YOLOv8n tabanlı nesne tespiti ile EKF destekli takip algoritmasının entegrasyonu, sistemin doğruluğunu, kararlılığını ve gerçek zamanlı işleyebilirliğini optimize eden etkili bir çözüm sunmuştur. Bu çalışma, İHA'ların otonom görev icra kabiliyetlerini artırmakta ve literatürde yer alan geleneksel yöntemlerin ötesine geçen yenilikçi bir yaklaşım ortaya koymaktadır. Elde edilen bu bulgular, ileride gerçek İHA platformları üzerinde yapılacak uçuş testleri için sağlam bir altyapı oluşturmakta ve sistemin savunma, güvenlik ve keşif uygulamalarına yönelik potansiyelini ortaya koymaktadır.
Mediapipe ve makine öğrenmesi kullanarak uyku durum tespitinin gerçek zamanlı olarak mobil sistem ile gerçekleştirilmesi
Bu tez çalışmasında, sürücülerin uykulu ya da uyanık olduklarının mobil telefon kamerası aracılığıyla gerçek zamanlı olarak tespit edilmesini sağlayan bir sistem geliştirilmiştir. Uykulu halde araç kullanımı, ciddi trafik kazalarına yol açabilen başlıca risk faktörlerinden biridir. Bu nedenle sürücünün uyanıklık durumunun anlık olarak izlenmesi ve uykulu hâlin erken tespit edilmesi, trafik güvenliğini artırma açısından büyük önem taşımaktadır. Geliştirilen sistemde, sürücülerin yüz ifadeleri ve göz hareketleri mobil telefon kamerası üzerinden analiz edilmiştir. Görüntü işleme aşamasında Google tarafından geliştirilen Mediapipe kütüphanesi kullanılmış; yüz bölgesinden elde edilen blendshape verileri, sürücünün mimik ve ifade değişimlerini sayısal olarak temsil etmiştir. Bu veriler, uykulu sürüş sırasında meydana gelen davranışsal değişimleri (örneğin, gözlerin kapanması, ağız hareketlerinin azalması, yüz kaslarının gevşemesi gibi) yakalamada önemli rol oynamıştır. Elde edilen blendshape vektörleri, makine öğrenmesi algoritmaları ile işlenmiş ve bireylerin "uykulu" veya "uyanık" durumlarına ait sınıflandırmaları gerçekleştirilmiştir. Modelin eğitimi ve testinde dengeli veri setleri kullanılmış, sistemin doğruluk, hassasiyet ve özgüllük gibi performans ölçütleri değerlendirilmiştir. Bu tezde geliştirilen sistem; düşük donanım gereksinimi, taşınabilirlik ve gerçek zamanlı çalışma özellikleriyle dikkat çeken, mobil cihazlar üzerinden kullanılabilen bir uygulama sunmaktadır. Blendshape tabanlı yüz analizi ile desteklenen bu yöntem, sürücülerin uykulu hâlini yüksek doğruluk oranlarıyla tespit ederek trafik kazalarının önlenmesine katkı sağlayacak önemli bir adım niteliğindedir.
Üniversite bilgi yönetim sisteminin kullanılabilirlik analizi
Kamu kurumları, öncelikle belge yönetimi süreçlerinde belge yönetim sistemlerini kullanarak dijitalleşme sürecine girmiştir. Bu bağlamda geliştirilen Üniversite Bilgi Yönetim Sistemi (ÜBYS), yükseköğretim kurumlarının akademik ve idari süreçlerini tek bir platform altında birleştirerek; bilgiye erişim, iş süreçlerinin otomasyonu ve veri güvenliği gibi alanlarda önemli katkılar sunmaktadır. Bu tez çalışmasında, yükseköğretim kurumlarında yaygın olarak kullanılan ÜBYS kullanılabilirliği analiz edilmiştir. Araştırma, kullanıcı merkezli bir yaklaşımla gerçekleştirilmiş olup, sistemin Kastamonu Üniversitesi'ndeki farklı kullanıcı gruplarına (öğrenci, akademik ve idari personel) sunduğu deneyim çok boyutlu olarak değerlendirilmiştir. Çalışmada yöntem olarak sezgisel değerlendirme, kullanıcı testi ve Sistem Kullanılabilirlik Ölçeği anketi kullanılmıştır. Katılımcılar; yaş, cinsiyet, eğitim durumu, çalışma durumu ve sistem kullanım sıklığı gibi değişkenler açısından incelenmiş, betimsel ve karşılaştırmalı istatistiksel analizler gerçekleştirilmiştir. Bulgular, ÜBYS'nin genel olarak işlevsel ve erişilebilir bir yapıya sahip olduğunu, ancak bazı modüllerde kullanıcı deneyimini olumsuz etkileyen kullanılabilirlik sorunlarının bulunduğunu ortaya koymuştur. Sonuç olarak, ÜBYS'nin kullanıcı dostu bir yapıya sahip olmakla birlikte; bazı arayüz bileşenleri, yardım dokümantasyonları ve hata yönetim sistemlerinde iyileştirmelere ihtiyaç duyulduğu belirlenmiştir. Elde edilen bulgular, sistemin daha etkili, sezgisel ve kullanıcı memnuniyetini artıracak şekilde yeniden yapılandırılması için yol gösterici öneriler sunmaktadır.
Video konferans uygulamalarında güvenlik duvarı ve sanal özel ağ (VPN) kullanımının farklı ağlarda performans analizi
Bilgi ve iletişim teknolojilerindeki gelişmeler ve internet kullanım maliyetlerinin düşmesi; e-devlet, e-ticaret, e-sağlık, e-öğrenme gibi uygulama alanlarıyla bu teknolojileri hayatımızın her alanının vazgeçilmez öğesi haline getirmiştir. Özellikle küresel Covid-19 salgın süreci; altyapısını video konferans teknolojisinin oluşturduğu e-öğrenme ve e-toplantı gibi uygulama alanlarında zorunlu gelişmelere neden olmuştur. Video konferans, aynı anda farklı yerlerde bulunan kişilerin, belirli uygulamalar ve internet bağlantısı kullanarak görüntülü ve sesli bir şekilde iletişim kurmalarını sağlar. Video konferans teknolojisinde; arama yapan ve aramayı cevaplayan kişiler arasında gerçek zamanlı, çift yönlü ve büyük boyutlu bir veri akışı olmaktadır. İnternet üzerinden sunulan uygulamaların hızla yaygınlaşmasına sebep olan teknolojideki gelişmeler, aynı zamanda internete bağlı cihaz sayısında ve internet üzerinden akan veri trafiğinde çok ciddi artışlara sebep olmaktadır. Bunun neticesi olarak, video konferans uygulamaları gibi internet üzerinden kullanılan uygulamaların güvenlik ihtiyaçları da artan güvenlik tehdidi riskleriyle orantılı olarak artmaktadır. Güvenlik duvarı ve sanal özel ağ kullanımı, internet üzerinden kullanılan uygulamalar için en temel güvenlik çözümlerindendir. Güvenlik duvarı, kurumsal bir ağ ile internet bulutu arasına konumlandırılarak ağa gelen ve giden trafiği tanımlı kurallara göre filtreleyen cihazdır. Bu yönüyle güvenlik duvarı, kurallara uyan ağ trafiğine izin veren, kurallara uymayan ağ trafiğini ise engelleyen bir rol üstlenir. Sanal özel ağ ise, kurumsal bir ağa, internet bulutu üzerinden noktadan noktaya güvenli bir bağlantı sağlar. Bu işlemi yaparken iki uç düğüm arasındaki veri iletişimini IP (İnternet Protokolü) tüneli adı verilen sanal bağlantılar kullanarak gerçekleştirir. Bu çalışmada, video konferans uygulamalarının farklı ağlarda güvenlik duvarı ve sanal özel ağ ile kullanımının uygulama performansına etkileri analiz edilmiştir. Bu etkilerin analizinin yapılması ağ protokollerinde, ağ bileşenlerinde ve video konferans uygulamalarında daha sonra yapılabilecek iyileştirmeler için yol gösterici olacaktır. Benzetim metodunun kullanıldığı bu çalışmada, OPNET benzetim aracı ile oluşturulan farklı senaryoların benzetimiyle elde edilen veriler karşılaştırılmalı olarak analiz edilmiştir.
Metin madenciliği ve derin ağlar ile soru cevap sistemi
Günümüzde teknolojinin hızlı gelişimi, insanların yaşam şekillerinde birçok alışkanlığında değişimine sebep olmuştur. Pandeminin de etkisiyle eğitim başta olmak üzere birçok alanda yüz yüze iletişim oldukça azalmıştır. Birçok kurum sektörlerine yönelik verileri kullanmak amacıyla çalışmalar yapmaktadırlar. Gelişen yapay zekâ teknolojileriyle, bu çalışmalar firmalara katma değer kazandırmaktadır. Bu değeri kazandıran çalışma alanlarından biri de yapay zekânın alt dalı olan doğal dil işlemede soru cevaplama sistemleridir. Soru cevaplama sistemleri, kullanıcıların doğal dildeki sorularına cevap verebilme yeteneğine sahip sistemlerdir. Bu sistemler soruları anlama ve doğru cevapları bulma aşamalarından oluşmaktadır. Sorular doğal dil işleme teknikleriyle analiz edilir ve cevaplar bilgi çekme yöntemleriyle ilgili veri kaynaklarından elde edilir. Bu çalışmada, metin madenciliği ve derin ağlar kullanılarak soru cevaplama modelleri tasarlanmıştır. Önceden eğitilmiş İngilizce BERT-base modeli farklı hiperparametrelerle ince ayar tekniği kullanılarak Stanford Soru Cevaplama Veri Seti (SQuADv1.1) ile eğitimi yapılmıştır. Eğitim sonucu literatürde yapılan çalışmalara kıyasla %88,13 F1 skoru ve %80,74 Tam Eşleşme (Exact Match - EM) oranıyla yüksek başarı elde edilmiştir. Ardından Türkçe Tarih Soru Cevaplama Veri Seti (THQuADv1.0) üzerinde iyileştirme çalışması yapılmıştır. Veri setine Düzce Üniversitenin birimleriyle ilgili sorularda eklenerek THQuADv2.0 olarak güncellenmiştir. Önceden eğitilmiş Türkçe BERTurk-base modeli İngilizce modelde elde edilen başarılı hiperparametrelerle ince ayar tekniği kullanılarak THQuADv2.0 veri seti ile eğitimi yapılmıştır. Yapılan eğitim sonucunda Türkçe soru cevaplama için BERTDuQuA (BERT Düzce University Question Answering) modeli oluşturulmuştur. BERTDuQuA modeli %87,10 F1 skoru ve %76,90 EM ile yüksek başarı elde edilmiştir. BERT modeline BiLSTM katmanıda eklenerek yeni bir model oluşturulmuştur. Türkçe modelde elde edilen başarılı hiperparametrelerle ince ayar tekniği kullanılarak THQuADv2.0 veri seti ile eğitimi yapılmıştır. Yapılan eğitim sonucunda Türkçe soru cevaplama için BERTBiDuQuA (BERT&BiLSTM Duzce University Question Answering) modeli oluşturulmuştur. BERTBiDuQuA modeli %88,84 F1 skoru ve %78,43 EM ile yüksek başarı elde edilmiştir.
Beyaz eşya sektöründe elektrik tüketim tahmini ve alarm uygulaması
Elektrik, beyaz eşya üretim sektöründe en çok kullanılan enerji çeşididir, üretimde harcanan elektrik enerjisi maliyeti ve sürdürülebilirliği doğrudan etkilemektedir. Elektrik arzı güvenliğinin sağlanabilmesi için doğru elektrik tahminleri yapılabilmelidir. Beyaz eşya sektörü, hem Türkiye hem de dünya ekonomisi için önemli bir sektördür ve bu sektörde verimlilik sağlanması büyük önem taşımaktadır. Türkiye'nin beyaz eşya üretimindeki güçlü konumu ve dünya genelindeki etkisi göz önüne alındığında, enerji tüketiminin verimli yönetimi, sürdürülebilirlik açısından kritik bir rol oynamaktadır. Elektrik enerjisi gibi değerli bir kaynağın etkin kullanımı, hem maliyetleri düşürme hem de çevresel etkileri azaltma açısından hayati öneme sahiptir. Beyaz eşya üretim sektöründe, dijitalleşmeyle birlikte, üretimden veriler toplanmakta ve veriler üzerine işlem yapılabilmektedir. Bu çalışmada beyaz eşya üreten bir firmanın fırın işletmesinde kullanılan makinelerin tükettiği elektrik enerjisinden yola çıkarak, tahminleme modelleri uygulanmıştır. Belli bir zaman aralığında üretimde kullanılan bir makinenin harcadığı elektrik enerjisi verileri alınır ve tahminleme modelleri uygulanır. Bu sayede bir sonraki dönem için harcanacak elektrik enerjisi tahmin edilir ve maliyet hesabı yapılır. Dijitalleşme, üretim süreçlerinde veri toplama ve analizini mümkün kılarak, enerji tüketimi gibi kritik faktörlerin daha etkin bir şekilde yönetilmesine olanak tanır. Özellikle elektrik enerjisi gibi önemli bir kaynağın verimli kullanımı, maliyetlerin kontrol altında tutulması ve sürdürülebilirlik açısından kritiktir. Dijitalleşme sayesinde, beyaz eşya üretiminde kullanılan makinelerin enerji tüketim verileri anlık olarak izlenebilir ve analiz edilebilir hale gelir. Bu da gelecekteki enerji ihtiyaçlarının tahmin edilmesini ve uygun önlemlerin alınmasını sağlar. Ayrıca, dijitalleşmenin getirdiği otomasyon ve uyarı sistemleri, enerji israfını önlemeye ve operasyonel verimliliği artırmaya yardımcı olur. Bu çalışma, dijitalleşmenin enerji yönetimi üzerindeki olumlu etkilerini ortaya koyarak, endüstriyel süreçlerin daha akıllı ve sürdürülebilir hale gelmesini sağlamayı amaçlamaktadır. Yapılan çalışmada; elektrik enerjisi değerli ve kıt bir kaynak olduğundan planlı tüketim ve stratejik kararlara temel oluşturabilmesi amacıyla modelleme başarısı yüksek alternatif tahmin modelleri analiz edilmektedir. Anahtar Sözcükler: Elektrik tüketim, Tahmin modeli, Veri madenciliği, Dijitalleşme
Dağıtık hadoop kümelerinde yeni eşle/indirge programlama algoritması modeli
Büyük veriler veri aktarma maliyetinden dolayı genellikle üretildiği konumlara yakın yerlere depolanırlar. Depolanan bu veriler işlenmek için tek bir konuma taşınır veya bulunduğu konumda işlenirler. Literatürde veri işlemek için farklı yöntemlere rastlamak mümkündür. Bu çalışmada veri işlemek için yeni bir yöntem sunulmuştur. Önerilen yöntemde veri işleme sürecini tamamlayan farklı donanımlara sahip veri merkezlerinin (DC) kendi aralarında veri karıştırma (shuffling) yapması sağlanmıştır. DC'lerin indirge (reduce) fonksiyonunun veri işleme maliyetinin hesaplanması için test ortamında elde edilen veriler ile polinomal regresyon modeli oluşturulmuş ve karar sürecinde bu modelden elde edilen katsayılar kullanılmıştır. Karıştırma yapılacak anahtar/değer çiftlerini, konumlarını dikkate alarak, DC'lerin maliyetlerine göre dağıtılmıştır. DC'ler arasında karıştırma için, DC'lerin tümünün işini bitirmesi beklenmez. Böylelikle tüm DC'lerin aynı anda karıştırma yaptıklarındaki hem karıştırma hem de işlenen veri hacmi azalmıştır. Önerilen yöntemin performansı literatürdeki 4 farklı yöntemle karşılaştırılmıştır. Sonuç olarak bu çalışma veri boyutunda en yakın örneğinden %15 daha az karıştırma verisi oluşturmuştur.
Makine ve derin öğrenme yaklaşımlarına dayalı saldırı tespit sistemi
Bu tez çalışmasında, nesnelerin interneti (Internet of Things - IoT) ağlarına yönelik olarak PBCSC-IoT, PMBL-IoT ve AOCBiT-IoT isimli üç farklı saldırı tespit sistemi (Intrusion Detection System - IDS) geliştirilmiş ve bu modellerin başarımları kapsamlı bir şekilde analiz edilerek karşılaştırılmıştır. Önerilen IDS modellerinde kullanılan öznitelik indirgeme, veri dengeleme ve sınıflandırma yöntemlerinin IDS'ler üzerindeki etkileri değerlendirilmiş ve bu modellerin saldırı tespit başarımları karşılaştırılmıştır. PBCSC-IoT modeli, yarasa optimizasyon algoritması (Bat Optimization Algorithm -BAT), temel bileşenler analizi (Principal Component Analysis - PCA), sentetik azınlık aşırı örnekleme tekniği (Synthetic Minority Oversampling Technique - SMOTE) ve evrişimli sinir ağları (Convolutional Neural Network - CNN) yöntemlerinin hibrit bir yaklaşımla birleştirilmesiyle oluşturulmuş ve IoTID20 ve BoT-IoT verisetlerinde test edilmiştir. PMBL-IoT modeli; PCA, yusufçuk optimizasyon algoritması (Mayfly Optimization Algorithm - MAO), sınırda-SMOTE (Borderline SMOTE - BSMOTE) ve uzun kısa süreli bellek (Long Short-Term Memory - LSTM) yöntemleri ile geliştirilmiş olup IoTID20, CIC-ToN-IoT ve USB-IDS-1 verisetlerinin birleştirilmesiyle elde edilen birleşik veriseti üzerinde test edilmiştir. AOCBiT-IoT ise, Otokodlayıcı, Varyans analizi F-testi (Analysis of Variance F-Test - ANOVA F-Test), uyarlanabilir sentetik örnekleme yöntemi (Adaptive Synthetic Sampling - ADASYN), tek taraflı seçim (One-Sided Selection - OSS) yöntemi ile birlikte CNN, çift yönlü LSTM (Bidirectional LSTM - BiLSTM) ve Transformer yöntemleri ile geliştirilmiş olup, CIC-DDoS2019 veriseti üzerinde test edilmiştir. Sonuçlar, hibrit DL tekniklerinin IoT ağlarında saldırı tespitinde yüksek başarım sağladığını ve veri dengeleme ile öznitelik indirgeme yöntemlerinin bu sınıflandırma başarımını daha da artırabileceğini göstermiştir.
Dönüştürücü mimarileri ile meme histopatolojisi görüntülerinden mitoz tespiti
Meme kanseri kadınlarda en sık görülen kanser türüdür. Histopatolojik görüntü analizinde, mitoz hücrelerinin tespiti ve sayısı, kanser derecesinin ve saldırganlığının prognozunda önemli bir biyo belirteçtir. Mitozun patolog tarafından manuel olarak tespit edilmesi uzun ve zorlu bir süreçtir. Derin öğrenme mimarilerindeki gelişmelerle birlikte, çok sayıda otomatik mitoz tespit yöntemi önerilmiştir. Ancak çoğu mitoz tespit yöntemi, görüntü alanları arasında zayıf genelleştirme yeteneğine sahiptir. Bu tez çalışmasının amacı, meme histopatolojisi görüntülerinden mitoz tespiti sorunlarına çözüm getirecek, yüksek doğrulukta, objektif ve hızlı sonuçlar elde edilmesini sağlayacak yeni bir yöntem geliştirmektir. Bu amaçla son zamanlarda medikal alanda üstün başarılar gösteren dönüştürücü mimarisine dayalı üç farklı otomatik mitoz tespit yöntemi önerilmiştir. Önerilen ilk model, mitozun tespiti için DETR'in geliştirilmiş bir versiyonudur ve Mi-DETR olarak adlandırılmıştır. Mi-DETR modeli, CSPResNeXt omurgası, katman azaltma sctratejisi ve CIoU kayıp fonksiyonu ile optimize edilmiştir. Önerilen ikinci modelde, mitozun segmentasyonu için SegFormer mimarisi kullanılmıştır. Deneylerde kullanılan ICPR14 ve TUPAC16 veri setleri, mitoz segmentasyonu için SAM modeli ile segmentasyon veri setlerine dönüştürülmüştür. Mitozun hassas segmentasyonu için MiT-B0'dan MiT-B5'e kadar farklı kodlayıcılar denenmiştir ve ince ayarlar yapılmıştır. Önerilen üçüncü model mitozun tespiti ve segmentasyonu için DETR'in ve SegFormer'ın güçlü yönlerini birleştiren hibrit Mi-SegDeTr yöntemi önerilmiştir. Tüm deneylerde ICPR14 ve TUPAC16 meme histopatolojisi veri setleri kullanılmıştır. Sonuç olarak, önerilen Mi-DETR modeli ile ICPR14 veri setinde 0,921 ve TUPAC16 veri setinde 0,950 F1-Skoru elde edilmiştir. SegFormer modeli ile ICPR14 veri setinde 0,8962 ve TUPAC16 veri setinde 0,8272 F1-Skoru elde edilmiştir. Son olarak Mi-SegDeTr modeli ile ICPR14 veri setinde segmentasyon için 0,9044, tespit için 0,9658 ve TUPAC16 veri setinde segmentasyon için 0,9189, tespit için 0,9684 F1-Skoru elde edilmiştir. Her iki veri seti üzerinde elde edilen sonuçlar, önerilen Mi-SegDeTr modelinin son teknoloji mitoz tespit yöntemleri ile yarışabilecek kadar iyi performans gösterdiğini ortaya koymuştur.
Gezgin tasarsız ağlarda ağırlık tabanlı optimize edilmiş küme başı seçimi ve hibrit adaptif kümeleme yaklaşımı
Mobil ad-hoc ağlar (MANET), düğümlerin merkezi bir yönlendirme altyapısı olmaksızın rastgele hareket ettiği, dinamik ve kendini yöneten kablosuz ağlardır. Bu yapının en önemli sorunlarından biri, düğümlerin enerji tüketiminin artmasıyla ağ ömrünün kısalması ve veri iletiminde güvenilirliğin azalmasıdır. Bu nedenle MANET ortamlarında etkili bir kümeleme stratejisi, ağ performansının sürdürülebilirliği açısından kritik öneme sahiptir. Bu tez çalışmasında, MANET ortamlarında ağ performansını artırmak amacıyla Dinamik MANET'ler için Hibrit Adaptif Kümeleme Algoritması (DMHAKA) önerilmiştir. İki aşamalı yapıda tasarlanan algoritmanın ilk aşamasında, Küme Başı (KB) seçiminde düğüm derecesi, komşuluk mesafesi, kalan enerji ve hareketlilik gibi kriterler Ağırlıklı Kümeleme Algoritması (Weighted Clustering Algorithm -WCA) temel alınarak belirlenmiş ve Yerçekimi Arama Algoritması (Gravitational Search Algorithm -GSA) ile optimize edilmiştir. İkinci aşamada ise seçilen KB'ler etrafında düğüm rollerinin belirlenmesinde, parametre bağımlılığını azaltan ve daha dengeli kümeler oluşturan Geliştirilmiş Yoğunluk Tabanlı Kümeleme Algoritması (Geliştirilmiş-DBSCAN) kullanılmıştır. Simülasyon sonuçlarında DMHAKA'nın ağ ömrünü uzattığı ve paket teslim oranını artırdığı gözlemlenmiştir. WCA ile yapılan karşılaştırmalı analizlerde, DMHAKA'da KB değişim oranı %40 daha düşük, ortalama KB ömrü ise yaklaşık %60 daha uzun hesaplanmıştır. Ayrıca, ortalama küme ömrü değerleri DMHAKA'nın daha uzun süre stabil kümeler oluşturduğunu ve bu yapının enerji tasarrufu ile ağ ömrüne katkı sağladığını göstermiştir. Bu sonuçlar, DMHAKA'nın daha az yeniden yapılandırma gerektiren, kararlı bir küme yapısı sunduğunu ortaya koymaktadır. Ayrıca, EE-WCA, E-MAVMMF, TSDR ve MORS-ASO algoritmalarıyla yapılan karşılaştırmalı analizlerde; ortalama kalan enerji, uçtan uca gecikme, paket teslim oranı ve veri aktarım kapasitesi gibi temel metriklerde DMHAKA'nın üstün performans sergilediği tespit edilmiştir. Elde edilen bulgular, DMHAKA'nın çeşitli kümeleme algoritmalarıyla karşılaştırıldığında, ölçeklenebilir, kararlı ve enerji farkındalığı yüksek bir kümeleme yaklaşımı sunduğunu göstermektedir. Bu yönüyle DMHAKA, dinamik MANET koşullarında etkin veri iletimi sağlamak ve ağ performansını uzun vadede sürdürülebilir kılmak açısından güçlü bir alternatif olarak değerlendirilebilir.
IEEE 802.22 protokolüne dayalı bilişsel kablosuz algılayıcı ağlarda düğüm konumlandırma stratejilerinin performans analizi
Bu tez çalışması, IEEE 802.22 protokolü temel alınarak geliştirilen bilişsel kablosuz algılayıcı ağ (Cognitive Wireless Sensor Network- CWSN) yapısı çerçevesinde, düğüm konumlandırma stratejilerinin ağ performansı üzerindeki etkilerini incelemektedir. Çalışma kapsamında, TV Beyaz Alanları (TV White Spaces- TVWS) üzerinde çalışan ve Kablosuz Bölgesel Alan Ağı (Wireless Regional Area Network- WRAN) altyapısını kullanan bir mimari yapılandırılmıştır. Bu yapı içerisinde, tüketici tesis ekipmanları (Customer Premises Equipment- CPE) ile baz istasyonu (Base Station- BS) arasındaki iletişim, zaman bölmeli çoklama (Time Division Multiple Access- TDMA) yöntemiyle gerçekleştirilmiştir. Her bir CPE düğümü; gecikme (delay), gecikme değişkenliği (jitter) ve veri iletim kapasitesi (throughput) gibi ağ performansını belirleyen temel metrikleri sürekli olarak ölçmekte ve bu verileri merkezi bir baz istasyonuna iletmektedir. Bu bağlamda, minimum düğüm sayısıyla maksimum kapsama alanı sağlamayı hedefleyen, sabit konum temelli bir yerleştirme stratejisi geliştirilmiş; böylece sistemin toplam kurulum ve işletim maliyetlerinin azaltılması ve operasyonel verimliliğinin artırılması amaçlanmıştır. Tasarlanan mimari ve geliştirilen algoritmalar, OPNET (güncel adıyla Riverbed Modeler) simülasyon ortamında test edilmiş; her bir CPE'ye ilişkin performans değerleri delay, jitter ve throughput parametrelerine göre zaman serileri biçiminde analiz edilmiştir. Bu veriler, ağın değişken koşullar altında sürdürülebilirliğini sağlamak amacıyla, bulanık mantık (fuzzy logic) temelli bir karar destek sistemi içinde değerlendirilmiştir. Bu sistemde, gelen veriyi sonraki hedefe yönlendiren, genellikle yönlendirme (routing) ya da kapsama genişletme işlevi üstlenen röle düğümün (relay node) seçimi için karar süreçleri yürütülmüştür. Her bir CPE'den elde edilen performans ölçümleri, bulanık mantık kuralları doğrultusunda işlenerek en uygun röle düğüm belirlenmiştir. Simülasyon sonuçları, önerilen düğüm yerleştirme yöntemi ile bulanık mantık tabanlı röle düğüm seçim algoritmasının, ağ performansında belirgin iyileşmeler sağladığını ortaya koymuştur. Daha az sayıda düğümle daha geniş bir kapsama alanı elde edilmesi, sistemin kurulum ve işletme maliyetlerini azaltmakta; bu durum, ekonomik sürdürülebilirliğin güçlendirilmesine doğrudan katkı sağlamaktadır. Elde edilen bulgular, yapay zekâ temelli karar destek sistemlerinin bilişsel ağ mimarilerinde yalnızca yüksek verimlilik değil, aynı zamanda maliyet etkinliği açısından da güçlü ve uygulanabilir çözümler sunduğunu ortaya koymaktadır.
Kütüphane ortamlarının verimlilik analizi:IOt sensörleri ve makine öğrenimi ile optimum çalışma koşullarının belirlenmesi
Bu çalışma, üniversite kütüphanelerindeki çevresel koşulların izlenmesi ve analizine yönelik olarak Nesnelerin İnterneti (IoT) tabanlı bir sistemin geliştirilmesini amaçlamaktadır. Sistemde; ses düzeyi, ışık şiddeti, sıcaklık, nem, hava kalitesi ve kişi yoğunluğu gibi çevresel faktörler sensör ve mikrodenetleyiciler aracılığıyla toplanmış, kişi yoğunluğu ise kamera tabanlı görüntü işleme teknikleri ile ölçülmüştür. Kullanıcı deneyimleri anket yöntemiyle elde edilen geri bildirimlerle değerlendirilmiştir. Elde edilen veriler, K-En Yakın Komşu (K-Nearest Neighbors, KNN), Lojistik Regresyon (Logistic Regression), Karar Ağacı (Decision Tree), Rastgele Orman (Random Forest), Destek Vektör Makineleri (Support Vector Machines, SVM), Aşırı Gradyan Artırma (Extreme Gradient Boosting, XGBoost) ve Naive Bayes algoritmalarıyla analiz edilmiştir. Her bir çevresel faktör için ayrı ayrı ve tüm veriler bütünleştirilerek modelleme yapılmıştır. Analiz sonuçlarına göre; ses düzeyinde KNN %96.14, ışık verilerinde Random Forest %74.70, hava kalitesi analizinde Random Forest %90.14, sıcaklık verilerinde KNN %98.13, kalabalık analizinde Random Forest %40.46 ve genel değerlendirmede KNN %99.04 F1 skoru ile en yüksek başarıyı göstermiştir. Geliştirilen kullanıcı arayüzü, eğitilmiş modellerin ağırlık dosyalarını kullanarak her kullanıcı için ortam analizleri sunmakta; iç ortam hava kalitesi, ses düzeyi, sıcaklık ve ışık düzeyi gibi parametreleri değerlendirerek ortam kalitesini düşüren ana faktörleri kullanıcıya sunmaktadır. Kullanıcı geri bildirimlerinin çevresel verilerle entegre edilmesiyle oluşturulan model, ortamın genel uygunluk seviyesini belirlemekte ve çalışma ortamının verimliliği hakkında bütüncül analiz sağlamaktadır. Sonuçlar, çevresel faktörlerin bütüncül izlenmesinin ve kullanıcı geri bildirimlerinin kütüphane çalışma ortamlarını iyileştirmede kritik bir rol oynadığını ortaya koymuş, özellikle KNN algoritması %99.04 F1 skoru ile en yüksek başarıyı elde ederek veri bütünlüğü ve kullanıcı geri bildirimlerinin entegrasyonunun modelin doğruluğunu artırdığını göstermiştir. Bu tez, çevresel izleme sistemlerini klasik kontrol mekanizmalarının ötesine taşıyarak, kullanıcı odaklı geri bildirimlerle entegre edilmiş, esnek, ölçeklenebilir ve sahada uygulanabilir bir karar destek sistemine dönüştürmektedir. Ortaya konulan yaklaşım; yalnızca kütüphane ortamlarının değil, tüm ortak kullanım alanlarının çevresel konforunu artırmaya yönelik sürdürülebilir dijital dönüşüm politikaları için güçlü, bilimsel temelli ve uygulanabilir bir yol haritası sunmaktadır.
Nesnelerin interneti ve makine öğrenmesi ile jar testi sürecinin optimizasyonu
Dünya yüzeyinin %71'i suyla kaplı olmasına rağmen, bunun yalnızca %2,5'i tatlı sudur. Dünya sağlık örgütü'nün verilerine göre, yaklaşık 844 milyon insan güvenilir içme suyu kaynağına erişememekte, 159 milyon insan ise yüzey sularını kullanmaktadır. Bu durum, içme suyu kalitesinin sürekli izlenmesini ve iyileştirilmesini zorunlu kılmaktadır. İçme suyu kalitesinin değerlendirilmesinde su kalite indeksi yaygın olarak kullanılmakta olup, çeşitli fiziksel ve kimyasal parametrelerin ölçümüne dayanmaktadır. Bu çalışmada, Türkiye'nin Zonguldak ili Ereğli ilçesindeki içme suyu arıtma tesisi örnek alınarak, klasik jar testi sürecinin dijitalleştirilmesi ve optimize edilmesi hedeflenmiştir. Geliştirilen sistem; iot, fog bilişim ve bulut tabanlı makine öğrenmesi altyapılarıyla entegre bir şekilde tasarlanmıştır. IoT katmanında kullanılan sensörler ile giriş suyuna ait bulanıklık, ph, tds, sıcaklık, su seviyesi ve yağmur durumu gibi parametreler 5 dakikalık aralıklarla ölçülmüş ve mqtt protokolü ile nodemcu esp8266 üzerinden raspberry pi cihazına iletilmiştir. Raspberry pi üzerinde çalışan nodered uygulaması ile veriler influxdb bulut veritabanına kaydedilmiş, aynı zamanda grafana arayüzüyle görselleştirilmiştir. Bu yapı sayesinde sistemin uzaktan izlenebilirliği artırılmış, müdahale süreleri azaltılarak operasyonel güvenlik sağlanmıştır. Laboratuvar ortamında yapılan jar testleri, web tabanlı bir arayüz ile dijital ortama aktarılmış ve bu veriler makine öğrenmesi algoritmalarıyla analiz edilmiştir. Özellikle destek vektör regresyonu algoritması, 502 örnek üzerinde yapılan testlerde en yüksek performansı göstermiştir (MAE: 0.29, MAPE: 0.11, MSE: 0.16, RMSE: 0.40, R²: 0.61). Modelin yalnızca 1.27 saniyede sonuç üretmesi, gerçek zamanlı tahmin uygulamaları için yeterli olduğunu göstermektedir. Web tabanlı kullanıcı arayüzü sayesinde operatörler, giriş parametrelerini girerek çıkış bulanıklığını anlık olarak görebilmekte; ayrıca sistemde yer alan "eğitimi başlat" modülüyle model yeni verilerle otomatik olarak güncellenebilmektedir.
Türkiye'de kolon kanserine bağlı ölümlerin makine öğrenmesiyle tahmini
Bu çalışmanın temel amacı, Türkiye'deki 2015-2024 yılları arasındaki kolon kanseri mortalite verilerini kullanarak, 2025-2030 dönemi için bölgesel bazlı ölüm sayılarını XGBoost makine öğrenmesi algoritması ile tahmin etmektir. Kolon kanseri, hem küresel ölçekte hem de Türkiye'de en sık görülen ve en yüksek mortalite oranlarına sahip kanser türlerinden biri olarak önemli bir halk sağlığı sorunudur. Gelecekteki mortalite yükünün doğru bir şekilde tahmin edilmesi, sağlık politikalarının geliştirilmesi, kaynakların etkin bir şekilde tahsis edilmesi ve önleyici stratejilerin hedeflenmesi açısından kritik bir öneme sahiptir. Bu tez kapsamında, olumtarihi, cinsiyet, yas_grup ve bolge_adi değişkenlerini içeren çok değişkenli bir veri seti kullanılmıştır. Geleneksel zaman serisi modellerinin karmaşık ve doğrusal olmayan ilişkileri modellemedeki sınırlılıkları göz önüne alınarak, bu çalışmada yüksek tahmin doğruluğu ve esnekliği ile bilinen eXtreme Gradient Boosting (XGBoost) algoritması tercih edilmiştir. Zaman serisi verisi, öznitelik mühendisliği teknikleri kullanılarak denetimli bir öğrenme problemine dönüştürülmüştür. Bu süreçte, modelin zamansal bağımlılıkları, mevsimselliği ve trendleri öğrenebilmesi için tarihsel verilerden gecikme (lag) özellikleri, hareketli pencere istatistikleri ve zaman bazlı (takvimsel) öznitelikler türetilmiştir. Kategorik değişkenler (cinsiyet, yas_grup, bolge_adi) ise One-Hot Encoding yöntemi ile sayısal formata dönüştürülmüştür. Çok adımlı tahmin problemini çözmek için özyinelemeli (recursive) bir tahmin stratejisi benimsenmiştir. Bu stratejide, tek adımlı tahminler yapmak üzere eğitilen model, kendi tahminlerini bir sonraki adım için girdi olarak kullanarak gelecekteki değerleri ardışık olarak üretmiştir. Modelin performansı, Ortalama Mutlak Hata (MAE), Kök Ortalama Kare Hata (RMSE) ve Ortalama Mutlak Yüzde Hata (MAPE) metrikleri kullanılarak zamana duyarlı çapraz doğrulama (time-series cross-validation) ile titizlikle değerlendirilmiştir. Elde edilen tahminler, Türkiye'nin farklı coğrafi bölgelerinde 2025-2030 yılları arasında beklenen kolon kanseri mortalite yükünü ortaya koymaktadır. Bu sonuçlar, bölgesel farklılıkları ve potansiyel risk artışlarını gözler önüne sererek, halk sağlığı planlamacıları ve politika yapıcılar için kanıta dayalı, stratejik öngörüler sunmaktadır.
Makine öğrenmesi ile şifreleme algoritmalarının dinamik seçimi
Bu çalışmada, makine öğrenmesi (ML) sınıflandırma algoritmaları kullanılarak sistem parametrelerine göre optimum şifreleme algoritmasının dinamik biçimde seçilmesi amaçlanmaktadır. Literatürde, kullanılan algoritmaların genellikle manuel olarak seçildiği görülmektedir. Bu manuel seçim, özellikle kaynak kısıtlı sistemlerde performans sorunlarına yol açmaktadır. Oysa gerçek dünya uygulamalarında birçok parametre algoritma seçiminde belirleyici olur. Bunlar; veri boyutu, şifreleme süresi, deşifreleme süresi, bellek kullanımı, işlemci kullanımı, enerji tüketimi vb. Özelliklerdir. Bu doğrultuda, dosya boyutu, şifreleme süresi, deşifreleme süresi, işlemci ve bellek kullanımı ve enerji tüketimi gibi 6 kriterden oluşan 2000 satırlık sentetik bir veri seti Python programlama dili kullanılarak üretilmiştir. Veri seti için simetrik şifreleme algoritmalarından Blowfish, Advanced Encryption Standard (AES), Rivest Cipher 6 (RC6), Serpent ve Kalyna seçilmiştir. Modelde veri yedi farklı ML algoritmalarıyla test edilmiş; Rastgele Ormanlar (RF), Aşırı Gradyan Artırma (XGBoost) ve Histogram Tabanlı Gradyan Artırma (HistGB) modelleri en yüksek başarıyı göstermiştir. Sonuçlar, modellerin Makro-F1 ≈ 0.916 – 0.918 düzeyinde tutarlı performans sergilediğini göstermiştir. Çıkarım süresi için en hızlı XGBoost, eğitim süresi için en hızlı RF ve Makro-F1 için ise en yüksek HistGB olmuştur. Sonuç olarak tasarlanan model sistemin ihtiyaçlarını odağa alan bir yapı önermekte ve bu bağlamda literatürdeki boşluğu doldurmayı amaçlamaktadır. Oluşturulan mimari; Nesnelerin İnterneti (IoT), mobil sistemler ve bulut bilişim ortamlarında uygulanabileceği gibi gelecekte açıklanabilir yapay zekâ araçlarıyla da kullanılarak modelin karar performansının artırılması sağlanabilir.
Türkçe metinlerde denetimli ve sözlük tabanlı duygu analizi yaklaşımlarının karşılaştırılması
World Wide Web (WWW) daha etkileşimli bir hal aldıkça, görüşlerini paylaşan kullanıcıların sayısı artmıştır. Kullanıcılar; ürünler, hizmetler, markalar,şirketler, haberler, vb. hakkında görüşlerini paylaşmaktadırlar. Bu paylaşım için, kişisel bloglar, Facebook ve Twitter gibi sosyal ağlar, çevrimiçi gazeteler ve e-ticaret siteleri gibi birçok araç ve teknolojileri kullanmaktadırlar. Bu durum da beraberinde bir ?görüş patlaması? getirmiştir. Artık, örneğin bir ürün hakkında Web üzerinden paylaşılan bütün yorumları okumak, hem ürün sahibi şirket hem de ürünü alacak kullanıcı açısından imkânsız hale gelmiştir. Duygu Analizi bu tip problemler üzerine ortaya çıkmış olan bir çalışma alanıdır. Duygu analizi, bir bütüncedeki görüş bildiren metin kısımlarını belirleme, bu metin kısımlarını ifade ettikleri görüşe göre sınıflandırma ve görüşleri kolaycaanlaşılabilir özetler halinde kullanıcıya sunma işlerini kapsar. Bu çalışmada, Duygu Analizi alanında yapılan güncel bilimsel çalışmalarda sıkça kullanılan iki yöntem karşılaştırılmıştır. Bu yöntemler, makine öğrenmesi yaklaşımlarıyla yapılan duygu analizi ve sözlük tabanlı yaklaşımlarla yapılan duygu analizi olarak sıralanabilir. Makine öğrenmesi yaklaşımları, etiketli eğitim verisi üzerinden öğrenmeyi gerçekleştirdiği için, denetimli yaklaşımlardır. Öte yandan, sözlük tabanlı yaklaşmlar, çekirdek bir terim kümesinden başlayıp, WordNet gibi anlamsal bir veritabanı yardımıyla bu sözlüğü bir duygu sözlüğüne dönüştüren ve bu duygu sözlüğünü de duygu analizi işlemlerinde bir kaynak olarak kullanan yarı denetimli yaklaşımalrdır. Bu çalışmada, belirtilen yöntemler Türkçe bir veri setine uygulanıp, elde edilen sonuçlar yorumlanmıştır.Anahtar Kelimeler : duygu analizi, görüş madenciliği, görüş çıkartma
Güç elektroniği dönüştürücü modelleri eğitim modülü geliştirilmesi
Güç yarı iletken teknolojilerinde meydana gelen ilerlemeler, güç elektroniği devrelerinin yer aldığı sistemlerin kullanımını arttırmıştır. Güç Elektroniği, gün geçtikçe daha da genişleyen elektronik sektörünün en önemli dallarından biri haline gelmiştir. Güç elektroniğinin önemli uygulamalarından birini dönüştürücüler oluşturmaktadır. Dört temel dönüştürücü vardır. Bu çalışmada, güç elektroniği sistemlerinden dönüştürücü devre modellerinin karakteristiklerinin incelenmesi amacıyla MATLAB GUI ortamında ara yüz tasarlanmıştır. Bu çalışma ile dönüştürücü devrelerin ayrı ayrı simülasyonlarının ara yüz yardımıyla yapılması amaçlanmaktadır. Bu çalışmadaki güç elektroniği devre modelleri MATLAB Simulink programında tasarlanmıştır. MATLAB GUI'de tasarlanan ara yüz ile Simulink dosyaları ilişkilendirilerek simülasyonlar ara yüz üzerinde yapılmakta, devrelere ait grafikler görüntülenebilmekte ve karakteristikleri incelenebilmektedir. Böylece özellikle uygulamalı derslerin bilgisayar eşliğinde simülatörlerle işlenmesi hem zamanı kısaltmakta, hem de öğretimin daha iyi kavranması sağlamaktadır. Bu amaçla hazırlanan bu çalışmada oldukça yaygın kullanılan MATLAB programı kullanılmıştır.
Güvenli siber iletişim amacıyla web adresleri üzerinden yeni bir steganografik yaklaşım
Bilgi teknolojilerinin ve internetin hızlı büyümesi ile güvenlik kritik bir konu haline gelmiştir. Bu nedenle veri gizleme, gizli mesajların iletimi için önem kazanmıştır. Veri gizleme teknikleri video, görüntü, metin gibi gizli mesajları saklamaktadır. Veri gizleme tekniği kriptolojiden farklıdır. Bir kriptoloji şeması, mesajı şifreler ve mesaj alıcı tarafına daha güvenli ve içeriği tahmin edilemez bir şekilde gönderilir. Mesaj anlamsız bir içeriğe sahip olduğundan, iletişim esnasında gözlemci, mesaj değiş tokuşunu fark edebilmektedir. Bu nedenle kötü niyetli bir saldırgan tarafından tehdit gelme olasılığı kriptolojide her zaman vardır. Steganografi, hedeflenen alıcı dışında kimsenin gizli mesajın varlığı hakkında herhangi bir şey bilmediği şekilde iletişimi sağlama tekniğidir. Başarılı bir steganografi, taşıyıcı ortamın şüphe uyandırmamasına bağlıdır. Bu çalışmada, web sayfalarının URL adreslerini kullanan bir steganografik yaklaşım önerilmiştir. Görüntüler, taşıyıcı olarak kullanılmıştır. LZW, Aritmetik kodlama ile DES, AES, Blowfish, RSA şifreleme algoritmaları önerilen yaklaşımı karmaşıklaştırmak, kapasiteyi artırmak ve güvenliği desteklemek için kullanılmıştır. Deneysel sonuçlar, önerilen yöntemin, iki taraf arasındaki iletişim için uygun olduğunu göstermiştir. İletişim sadece bir web adresi üzerinden yapıldığından, herhangi bir gözlem durumunda şüphe uyandırıcı bir durumla karşılaşılmamaktadır.
Nesnelerin interneti için mimari tasarımı
Algılayıcı teknolojilerindeki gelişmelere bağlı olarak çok küçük ve düşük maliyetli algılayıcıların üretimi artmıştır. Buna paralel olarak internetin hayatımızın vazgeçilmezi haline gelmesi, bilgisayar, el bilgisayarı veya akıllı telefon gibi sistemlerin yanında bilgisayar sistemleri barındırmayan nesnelerin de internetten erişilmesi ihtiyacını doğurdu. Günlük hayatta kullanılan nesnelerin birbirleriyle ve internetle haberleşebilmesi için oluşturulacak ağların standart bir yapıya kavuşturulması bir ihtiyaçtır. Bu çalışmada nesnelerin interneti (IoT) hakkında detaylı bilgiler verilmiş, literatürdeki IoT katmanlı yapı önerileri incelenmiş ve yeni bir mimari önerilmiştir, önerilen mimarinin diğer katmanlı modellerle karşılaştırması yapılmıştır.
Kanatlı hayvan atıklarının biyogaz potansiyelinin belirlenmesi ve tesis yerleşim optimizasyonu: Düzce ili örneği
Geleneksel enerji kaynaklarının tükenebilir nitelikte oluşu ve rezervlerin önümüzdeki yıllarda tükenme boyutlarına ulaşması insanlığı yeni ve yenilenebilir enerji kaynaklarına yöneltmiştir. Günümüzde yeni ve yenilenebilir enerji kaynakları olarak güneş, rüzgar, biyokütle vb. enerji kaynakları kullanılmakta ve kullanımı artarak devam etmektedir. Kanatlı hayvan atıklarından anaerobik ayrışma ile biyogaz üretimi önemli bir alternatif enerji kaynağıdır. Ayrıca, biyogaz üretimi ile tavuk gübresi fermente gübre haline dönüştürülebilir. Kanatlı hayvanlardan canlı ağırlığının %3–4'ü kadar günlük dışkı elde edilmektedir. Ortalama olarak bir kümes hayvanı 22 kg/yıl dışkı üretmektedir. Bu çalışmada, Düzce ilindeki kanatlı hayvan sayısı belirlenerek biyogaz potansiyeli ortaya konulmuştur. Biyogaz tesisinin yeri için düzce ilindeki tavuk çiftliklerinin kapasite ve koordinat bilgileri dikkate alınarak optimizasyon çalışması yapılmıştır. Bu konumların hepsine en yakın tesisi bulmak için bu konumların kümeleme yöntemleri ile kümelendikten sonra benzetim tavlama ile optimum tesis konumunun bulunması amaçlanmıştır. Anahtar sözcükler: Benzetim Tavlama, Biyogaz Enerji Potansiyeli, Hayvansal Atıklar, K-Means Kümeleme, Optimizasyon
Mobil ortamlar için güvenli veri iletişim kanalı geliştirilmesi
Kriptoloji bilgi güvenliğini içeren bilim dalıdır. Bir verinin iletim ortamına gönderilmeden önce okunmaz hale getirilmesi, hedefine ulaştıktan sonra ise karşı tarafın veriyi yeniden okunabilir haline çevirebilmesi için kullanılan şifreleme konularının genel adıdır. Veri güvenliğinin üst düzey olduğu alanlarda veri şifreleme algoritmaları ön plandadır. Bu çalışmada web servisleri aracılığıyla mobil platform üzerinde güvenli haberleşmenin sağlanabilmesi için, iletim ortamına bırakılacak ve ortamdan alınacak verilerin şifreleme algoritmalarıyla şifrelenip aktarılması sağlanmış, iki asimetrik şifreleme sistemi olan RSA [1] ve Eliptik Eğri [2] şifreleme sistemleri ile iletim verisi üzerinde şifreleme ve şifre çözme işlemleri uygulanıp, kıyaslamaları yapılmıştır. Bu yapıların performans karşılaştırmaları incelenip, alınan sonuçlar analiz edilmiştir. Analizlerden elde edilen bilgilere göre, mobil cihazlarda eliptik eğri şifreleme sisteminin RSA'ya oranla daha küçük anahtar boyutu ile daha güvenli, daha karmaşık şifreleme yaptığı belirlenmiştir. Anahtar üretme, şifreleme, şifre çözme, şifreli mesajı iletme sürelerinin karşılaştırılması sonucunda daha küçük anahtar boyutlarına sahip Eliptik eğri siteminin daha kısa sürede sonuca gittiği görülmüştür. Doğru algoritma ve anahtar boyutlarının seçiminde, yapıların birbirlerine göre avantaj ve dezavantajları ifade edilmiştir.
Android mobil uygulama testi
Mobil ortamların kullanıcılarının hızla artması, mobil uygulamaların popülaritesini de artırmaktadır. Bu durum mobil uygulamaların kalitesini daha da önemli hale getirmektedir. Test ise bu kaliteyi sağlamanın önemli bir ölçütüdür. Mobil uygulamaların testi geleneksel uygulama testleriyle benzer özelliklere sahip olsa da mobil uygulamalar için bazı ek gereksinimlere ihtiyaç duyulur. Mobil uygulamalar test edilirken bazı zorluklarla karşılaşılır. Diğer uygulamalarla etkileşim, cihazlar üzerindeki ekran, kamera ve diğer donanımlardaki sensörler, donanım ve yazılım platform aileleri, kullanıcı ara yüzleri, enerji tüketimi, iletişim esnasındaki karmaşıklık bunlardan birkaçıdır. Mobil platformun kullanıcılara uygulamaları kolayca indirip yükleme ve çalıştırmasına izin veren yapısından dolayı, cihazlar üzerindeki veriler aynı ortamda çalışan uygulamalar için hedef haline gelmektedir. Donanım platformunun kaynak kısıtlılığı da mobil uygulamaların gelişiminde bir zorluk olarak görülür. Android testleri de tüm bu zorluklara ek olarak kendine özgü zorluklar içerir. Test esnasında Android yapısına ait özel problemler, açık konular ve çeşitli sorunlar ortaya çıkar. Bunların önemli bir sebebi geliştiricilerin acemiliğidir. Android uygulamalarının testi ve gelişimi taşınabilir cihazlar üzerindeki kısıtlamalardan etkilenir. Bu faktörlerin tümü test süreci ve kalite güvencesi için yeni zorluklar ortaya çıkarır. Bu çalışmada Android platformunda mobil uygulamaların testi için başlıca zorluklara dikkat çekilmiştir ve mobil test zorlukları için otomasyon çözümü önerilmiştir. Ayrıca tez için geliştirilen bir Android mobil uygulaması Robotium test aracı kullanılarak test edilmiştir.
Video üzerinde yüz ifadelerinin hızlandırılmış istatiksel analizi için yeni bir algoritma
Yüz ifadeleri, duygulara kişilerarası iletişimde anlam bütünlüğü kazandıran evrensel işaretlerdir. Yüz ifade analizinin; insan davranışlarının analizi, insan-insan etkileşimi ve insan-bilgisayar etkileşimi gibi çok geniş bir uygulama yelpazesi vardır. Son zamanlarda özellikle insan-bilgisayar etkileşiminde yaşanan gelişmelerle birlikte, insanlara ait duyguların bilgisayarlar tarafından anlaşılması elzem bir konu haline gelmiştir. Bunun yanında psikoloji, eğitim, güvenlik, sağlık, oyun ve robotik gibi birçok çalışma alanında da yüz ifadelerinin analizine duyulan ihtiyaç giderek artmaktadır. Bu nedenlerden dolayı, yüz ifadelerinin hızlı ve doğru bir şekilde analiz edilmesi farklı uygulama alanlarında birçok yazılım sistemi için kritik bir rol oynamaktadır. Bu tez çalışmasında, kübik Bezier eğrileri kullanılarak gerçekleştirilen video tabanlı yüz ifade analizinin hızlandırılması için yeni bir algoritma önerilmiştir. Analiz edilen toplam frame sayısı azaltılarak, paralel iş parçacıkları ile hızlandırılan ifade analizinin çok-çekirdekli bilgisayar üzerinde başarım değerlendirmesi gerçekleştirilmiştir. Ayrıca istatiksel analiz sonuçları üzerinde hata analizi yapılarak hatalı olduğu tespit edilen framelere ait sonuçlar düzeltilmiştir.
Elektrikli araçlarda yol koşullarına uygun motor seçimi algoritması geliştirme
Günümüzde otomotiv endüstrisi dünyadaki petrol rezervlerinin azalması nedeniyle yakıt tasarrufu sağlamak, hava kirliliğini düşürmek, karbon emisyonunu azaltmak amacıyla elektrikli araçlara yönelmektedir. Batarya ve güç yönetimindeki teknolojik gelişmeler elektrikli araç endüstrisindeki çalışmaları ivmelendirmiş, birçok otomobil firması elektrikli araç üretmiş ve hâlâ da üzerinde çalışmaktadır. Günümüze kadar elektrikli araçlarda farklı elektrik motorları kullanılmıştır. Bu motorlar verimlilik, maliyet, performans, enerji tüketimi gibi faktörler açısından karşılaştırıldığında farklılık göstermektedir. Bu farklılıklar araçlarda kullanılan elektrik motorlarına dayanmaktadır. Bu çalışmada asenkron motor ve sürekli mıknatıslı senkron motor olmak üzere iki motor kullanan bir elektrikli aracın trafikte daha performanslı gitmesi açısından aracın seyir esnasındaki hızına bağlı olarak araçta o an aktif olacak performansı daha yüksek, daha az güç harcayan ve daha az akım çeken motorun seçilmesi amaçlanmıştır. Bu amaç doğrultusunda motorların matematiksel modelleri çıkartılmış ve bu modelleri kullanarak Matlab/Simulink programı sayesinde bir simülasyon oluşturulmuştur. Aracın bulunduğu trafiğin bilgisi kullanılarak aracın hızı belirlenmiş ve o hızda daha yüksek tork üreten ve daha az akım çeken motor seçilmiştir.
AOMDV protokolünde black hole ataklara karşı geliştirilmiş güvenlik uygulaması
İletişimin büyük kısmını oluşturan kablosuz ağların kullanımı hızlı bir şekilde artmaktadır. Kablosuz ağların bir kolu olan tasarsız ağlar da akademik çevrede ilgi çeken bir çalışma alanıdır. Tasarsız ağlar sıklıkla hareketli düğümlerden oluşan alt yapısız kablosuz ağlardır. Tasarsız ağlarda düğümler hem diğer düğümlerle iletişim kurabilirler hem de paketleri ileterek yönlendirici görevi üstlenirler. Bu ağlar arama kurtarma, ofis, kampüs, konferans salonu, üniversite ve şehir ağlarında kullanılmaktadır. Tasarsız ağlarda düğümlerin hareketli olması, bir altyapının mevcut olmaması, bant genişliğinin ve güç kapasitesinin sınırlı olması bu ağların en önemli sorunlarındandır. Düğümlerin hareketliliği topolojinin hızlı bir şekilde değişmesine ve kurulan yolların bozulmasına neden olmaktadır. Topolojinin sık sık değişimi etkili bir yönlendirme protokolünün kullanımını gerektirmektedir. Bu ağların değişken, çok adımlı topolojiye sahip olması, düğümlerin hareketli olması ve kablosuz ağdan kaynaklanan sorunlar çok sayıda probleme neden olmaktadır. Bu çalışmada, ağın güvenliğini bozacak black hole ataklar tasarlayıp, ağın güvenirliğini artıracak güvenlik uygulaması geliştirilmiştir. Çalışmada tasarsız ağlarda kullanılan en güncel protokollerden birisi olan AOMDV protokolü kullanılmıştır. Bu amaçla, güvenlik uygulamasında senaryolar üretilmiş olup, daha sonra da bu senaryolardan yararlanılarak AOMDV protokolünde güvenlik uygulamasının yapısı oluşturulmuştur. Çalışmada simülasyon aracı olarak Network Simulator (NS 2) programının 2.35 sürümü ve diğer ağ simülasyon yazılımları için yardımcı programlar olan tracegraph202, APP-Tool-master grafik yazılımları kullanılmıştır.
Adaptif kısıtlama faktörlü parçacık sürü optimizasyonu
Optimizasyon son yıllarda çok çeşitli alanlarda kullanılan bir teknik olmuştur. Bilgisayar ağlarında, ekonomide, görüntü işlemede, robotikte ve daha birçok alanda kullanılmıştır. Kuş ve balık sürülerinden esinlenilerek oluşturulmuş olan Parçacık Sürü Optimizasyonu (PSO) yöntemi hızlı yakınsayan bir algoritmadır. Bu çalışmada, PSO algoritmalarında genellikle statik olarak yer alan atalet ağırlığı (w) ve adaptif kısıt parametresi (K), benzetim tavlamadaki sıcaklık parametresinden esinlenilerek fonksiyonel şekilde (aritmetik, geometrik ve ters fonksiyon) azaltılarak karşılaştırma (benchmark) fonksiyonları üzerinde algoritmanın performansı incelenmiştir. Sabit parametrelerle elde edilen sonuçlar, uyguladığımız azalan yöntemlerle karşılaştırılmış ve kısıtsız optimizasyon test problemleri için ters fonksiyonun sabit parametreye göre daha başarılı sonuçlar verdiği görülmüştür. Sonuç grafiklerinde de görüleceği üzere, atalet ağırlığı (w) ve adaptif kısıt parametresini (K) kullanan PSO'larda azalan fonksiyonlar ile yapılan testler sabit değer ile yapılan testlere göre daha iyi sonuçlar verdiği gözlemlenmiştir. Gerçek zamanlı uygulamalar için geliştirilen PSO algoritmalarında, parametrelerin sabit kullanımı yerine parametrelerin fonksiyonel şekilde azaltılarak kullanılabileceği önerilmektedir.
Kablosuz ağlarda yeni bir anahtar dağıtım yöntemi
Ağ teknolojilerinin gelişimi ve dijital cihazların artışı multimedya iletimini hızlı ve kolay kılmıştır. Bununla birlikte açık haberleşme kanalları üzerinden yapılan dijital veri iletimi, telif hakkı ihlalleri, dolandırıcılık vb. birçok güvenlik açığını beraberinde getirmiştir. Bu sebepten dolayı güvenli veri iletimi için geliştirilen yöntem ve teknikler oldukça önem kazanmaktadır. Bu tekniklerden biri olan steganografi, gizli iletişim için zararsız görünen bir taşıyıcıya veri eklemesi yapan bilgi gizlemenin alt dallarından biri olarak tanımlanabilir. Veri gizlenirken kullanılan yöntem ve tekniğin sistem dışı kişiler tarafından bilinmesi güvenli veri iletişimini olumsuz yönde etkileyecektir. Steganografinin güvenlik konusunda yetersiz olması, beraberinde şifrelemeyi gündeme getirmektedir. Açık haberleşme kanalları ile yapılmak istenilen gizli iletişimin, çeşitli steganografik metotlar ve şifreleme algoritmaları ile desteklenmesi gerekmektedir. Bu çalışmada, ağ kanalları üzerinden güvenli anahtar dağıtımı için ağ steganografisinden yararlanan bir yöntem geliştirilmiştir. Deneysel sonuçlar, yapılan çalışmanın sağlamlık ve algılanamazlık koşullarında uygulanabilir olduğunu göstermiştir.
Finans sektöründe iş zekası çözümlerinin şirket stratejileri üzerindeki etkisi
Günümüzde şirketler değişen iş ihtiyaçları doğrultusunda farklı veri kaynaklarından, farklı formatta veri ihtiyaçlarını karşılamaktadır. Veriler, farklı bölümlerde ve sistemlerce tutulup yönetilmektedir. İş zekası, dağıtılmış tüm veriyi bir depo içinde tümleştirip büyük resmi görmeyi sağlayan en etkin çözüm aracıdır. İş zekası, karar verme sürecini desteklemek için tasarlanan önceki sistemlerin doğal sonucu olarak ortaya çıkmıştır. Zaman içinde, karar destek sistemlerde fark edilen görsel yetersizlikler, kullanım zorlukları ve uygulamalar arasındaki uyumsuzluklar iş zekası teknolojisinin doğmasındaki önemli faktörlerin başında gelmektedir. Bu tarz çözümlerin karar vericilere sunduğu en büyük fayda güncel ve tümleştirilmiş iş performansını görüntüleme imkanıdır. İş zekası çözümlerinin iş dünyasında yaygınlaşmasıyla karar destek sistemlerinde kontrol ve zamanlama yeteneğinde de ciddi gelişmeler gözlenmektedir. Veri kaynaklarının merkezileşmesiyle birlikte artan veri kalitesi, kontrol ve zamanlama yeteneği karar vericilerin gelişen rekabetçi ortamda hızlı ve doğru kararlar almasına imkan sağlamıştır. Küreselleşen dünyada iş zekası kavramı, stratejik kararların alınması ve hayata geçirilmesi noktasında önemli bir unsur olmaktadır. Bu çalışmada örnek bir iş zekası tasarımı Oracle programında gerçekleştirilmiş ve çıkan sonuçların şirketlerin karar süreçlerinde bir değerlendirme unsuru olarak raporlaştırılması gerçekleştirilmiştir.
Telekomünikasyon sektöründe müşteri kayıp analizi
İnsanların ihtiyaçlarına göre tüketim tercihleri farklılıklar gösterir. Müşteriye yatırım yapan kurumlar da bu tercihleri öngöremezler. Özellikle müşteri odaklı kurumlar yeni müşteri kazanma ve eldeki müşteriyi memnun ederek müşteri kaybını önlemeye çalışırlar. Müşteri odaklı sektörlerden birisi olan Telekomünikasyon şirketleri de müşteri kazanmak ve mevcut müşterilerini kaybetmemek isterler. İşte bu noktada çeşitli yollar ile müşterilerinin kaybını tahmin etmeye yönelik çalışmalar yaparlar. Bu tez çalışmasında, veri madenciliği ve makine öğrenmesi yöntemlerinden olan sınıflandırma algoritmaları ile müşteri kayıp analizi yapılmıştır. Bu analiz yapılırken makine öğrenmesi süreci adımlarından olan veri madenciliği üzerine çapraz endüstri standart süreç modeli (CRISP) kullanılmıştır. Sınıflandırma algoritmaları ile elde edilen modellerin performansları çapraz geçerleme ve hold-out performans yöntemleri ile değerlendirilmiştir. Çapraz geçerleme katı olarak 4 kat, 5 kat ve 10 kat çapraz geçerleme kullanılmıştır. 4 kat, 5 kat ve 10 kat çapraz geçerleme ile performans değerlendirmesinde karar ağaçları algoritmaları ile kurulan modeller, diğer modellere göre daha iyi bir performans göstermiştir. En iyi performansı gösteren C4.5 karar ağacı algoritmasının performansı yaklaşık olarak 0.98'dir. C4.5 karar ağacından sonra sırasıyla ID3 ve gini karar ağaçları, k-en yakın komşu ve bayes algoritmaları ile oluşturan modeller gelmektedir. k-en yakın komşu algoritması karar ağaçlarından sonra gelse de performansı C4.5 karar ağacına yakındır. Hold-out yöntemi ile veri seti %60-%40, %75-%25, %80-%20 ayrım oranlarına sahip sırasıyla eğitim ve test veri setine ayrılmıştır. Bu veri setleri üzerinde yapılan performans değerlendirmelerinde ise k-kat çapraz geçerlemedeki gibi benzer sonuç veren C4.5 karar ağacı en iyi performansı göstermiştir. Sonrasında k-kat çapraz geçerleme performans yönteminde yakın değerlere sahip olduğu ID3 ve Gini karar ağaçlarını geçen k-en yakın komşu algoritması olmuştur. En son sırada ise bayes algoritması yer almaktadır. k-en yakın komşu algoritmasının ID3 ve Gini karar ağaçlarını geçmesi hold-out ile rastgele ayrımda daha iyi performans göstermesinden dolayıdır. Veri madenciliği programı olarak kullanılan R sayesinde veri görselleştirme üzerine de bir çalışma yapılmıştır. Bu çalışmalara ek olarak sınıflandırma algoritmalarından en iyi sonucu veren C4.5 Karar ağacı algoritması ile oluşturulan model R paketlerinden Shiny ile web uygulaması yapılarak dinamik hale getirilmiştir.
Yılan oyununda steganografi
Steganografi, görünüşte zararsız taşıyıcılar içinde bilginin varlığını gizleme bilimi olup, mesaj varlığının tespit edilemeyeceği bir iletişim yöntemidir. Verilerin gizlenebileceği çeşitli dijital taşıyıcılar veya resimler, ses dosyaları, metin, html vb. yerler vardır. Bu çalışmada, örtme aracı olarak yılan oyunu kullanan bir oyun steganografi yöntemi tasarlanmıştır. "Vitamin" denilen yemlerin her hareketini tahmin ederek gizli verileri gizlemek hedeflenmiştir. Diğer bir deyişle, gizli verilerin birim bileşenlerine göre vitaminin koordinatları hesaplanır. Bu arada oyun platformunu karmaşıklaştırmayı ve vitamin yeri ile gizli veriler arasında DES S-kutuları kullanarak doğrusal olmayan bir ilişki kurmak planlanmıştır. Bu işlemler, önerilen şemayı muhtemel steganografik saldırılara karşı daha dayanıklı hale getirir ve çözümleme prosedürünü daha karmaşık hale getirir. Bu nedenle, güvenlik ve algılanamazlık bu çalışmanın kapsamı içerisinde ilgi odağı olarak tutulmuştur. Ayrıca, her hareketle önemli kapasite oranları elde edilmiştir. Yapılan deneylerle, bu iddialar desteklenmektedir.