Yazar "Kaya, Ersin" seçeneğine göre listele

Listeleniyor 1 - 6 / 6
  • Küçük Resim Yok
    Öğe
    EFFECT OF DISCRETIZATION METHOD ON THE DIAGNOSIS OF PARKINSON'S DISEASE
    (ICIC INTERNATIONAL, 2011) Kaya, Ersin; Findik, Oguz; Babaoglu, Ismail; Arslan, Ahmet
    Implementing different classification methods, this study analyzes the effect of discretization on the diagnosis of Parkinson's disease. Entropy-based discrelization method is used as the discretization method, and support vector machines, C4.5, k-nearest neighbors and Naive Bayes are used as the classification methods. The diagnosis of Parkinson's disease is implemented without using any preprocessing method. Afterwards, the Parkinson's disease dataset is classified after implementing entropy-based discretization on the dataset. Both results are compared, and it is observed that using discretization method increases the success of classification on the diagnosis of Parkinson's disease by 4.1% to 12.8%.
  • Küçük Resim Yok
    Öğe
    Galactic Swarm Optimization using Artificial Bee Colony Algorithm
    (IEEE, 2017) Kaya, Ersin; Babaoglu, Ismail; Kodaz, Halife
    Galactic swarm optimization (GSO) algorithm is a novel meta-heuristic algorithm inspired by the motion of stars, galaxies and superclusters of galaxies under the influence of gravity. The GSO algorithm utilizes multiple cycles of exploration and exploitation in two levels. The first level covers the exploration, and different subpopulations of the candidate solutions are used for exploring the search space. The second level covers the exploitation, and best solutions obtained from the subpopulations are considered as a superswarm and used for exploiting the search space. The first implementation of GSO algorithm was presented by using particle swarm optimization algorithm (PSO) algorithm on both first and second levels. This study presents the preliminary results of an implementation of GSO algorithm by using artificial bee colony (ABC) algorithm on the first level and PSO algorithm on the second level. Due to the better exploration characteristics of ABC algorithm over PSO algorithm, this suggestion covers the usage of ABC algorithm on the first level, and the usage of PSO algorithm on the second level. The proposed approach is tested on 20 well-known online available benchmark problems and preliminary results are presented. According to the experimental results, the proposed approach achieves more successful results than the basic GSO approach.
  • Küçük Resim
    Öğe
    Genetik algoritma ile bulanık kural kümesinin otomatik olarak oluşturulmasında yeni bir yaklaşım
    (Selçuk Üniversitesi Fen Bilimleri Enstitüsü, 2014-12-23) Kaya, Ersin; Arslan, Ahmet
    İnsanoğlu günlük hayatta karşısına çıkan bir problemi çözmek için sözel anlama ve belirsizlikle mücadele becerilerini kullanmak zorundadır. Bulanık mantık ve karar destek teknolojilerinin gelişmesiyle günümüzde bilgisayar sistemleri de belirsiz ve sözel verilerle işlem yapma kabiliyetine sahip olmuşlardır. Bu sayede bulanık mantık temelli pek çok uygulama ve yaklaşım ortaya konulmuştur. Bulanık mantık özellikle kontrol sistemlerinde, sınıflandırıcı sistemlerde ve karar destek sistemlerinde oldukça yaygın olarak kullanılmaktadır. Bulanık mantığın sınıflandırıcı sistemlerde kullanılan modelleri bulanık kural tabanlı sınıflandırıcılar olarak adlandırılmaktadır. Bulanık sınıflandırıcı sistemlerde çıkarım mekanizması önceden tanımlanmış kural kümesini kullanarak örnek verileri sınıflandırmaktadır. Sınıflandırıcının doğru olarak sınıflandırdığı örnek sayısı sınıflandırma başarısını göstermektedir. Bu sınıflandırıcılarda sınıflandırma başarısının yüksek olmasının yanında sistemin yorumlanabilirliğinin de yüksek olması gerekmektedir. Bulanık kural tabanlı sınıflandırıcılarda yorumlanabilirlik bulanık kural kümesindeki kural sayısı ve bu kuralların uzunluğu ile ifade edilmektedir. Kural sayısının ve kural uzunluğunun minimum olması sistemin yorumlanabililiğini artırmaktadır. Bir bulanık kural tabanlı sınıflandırıcı için en ideal bulanık kural kümesi, sınıflandırma başarısını maksimize eden en az sayıdaki ve en kısa uzunluktaki kural kümesidir. Bu tez çalışmasında, ideal bulanık kural kümesinin oluşturulması için 3 yeni yaklaşıma sahip bir genetik algoritma tasarlanmıştır. Bu yeni yaklaşımlarla verimliliği artırılan genetik algoritma, bulanık sınıflandırıcı için ideal bulanık kural kümesini etkin bir şekilde oluşturmaktadır. Bu yaklaşımlardan ilkinde, Pittsburgh ve Michigan yaklaşımlarının avantajlarını barındıran yeni bir genetik birey kodlama yöntemi sunulmuştur. İkinci yeni yaklaşım ise uygunluk fonksiyonunda gerçekleştirilmiştir. Uygunluk fonksiyonu sadece sınıflandırma başarısına bağlı olarak değil kural sayısı ve kural uzunluğuna bağlı olarakta hesaplanmaktadır. Böylece ideal bulanık kural kümesinin özelliklerine sahip bir arama gerçekleştirilmektedir. Üçüncü yeni yaklaşım ise genetik algoritmanın mutasyon operatöründe yapılmıştır. Klasik genetik algoritmalarda tek bir mutasyon oranı kullanılmakta ve bu orana göre mutasyon işlemi gerçekleştirilmektedir. Üç farklı mutasyon oranı kullanılarak, arama sırasında kural çeşitliliği sağlanırken daha kısa uzunlukta kuralların oluşmasına yardımcı olmaktadır. Tez çalışmasında ortaya konulan yöntem ile literatürde başarı göstermiş 5 farklı yöntem kıyaslamıştır. Kıyaslama işlemi Toronto Üniversitesi ve Irvine California Üniversitesine ait veri ambarlarından elde edilen 18 farklı veri kümesi üzerinde yapılmıştır. Kıyaslama işleminin tutarlılığı için 10-kez çapraz doğrulama yöntemi 3 defa tekrarlanarak kullanılmıştır. Elde dilen sonuçlar sınıflandırma başarısı, kural sayısı ve kural uzunluğu açısından karşılaştırılmış ve analiz edilmiştir. Elde edilen sonuçlar istatistiksel olarak incelenmiş ve önerilen yöntemin diğer yöntemler karşısındaki başarısı ortaya konulmuştur.
  • Küçük Resim Yok
    Öğe
    An Improved Binary Artificial Bee Colony Algorithm
    (IEEE, 2017) Kaya, Ersin; Kiran, Mustafa Servet
    The xor-based artificial bee colony algorithm, called as binABC, is a novel variant of basic artificial bee colony (ABC) algorithm, which is proposed for solving binary optimization problems. This algorithm uses xor logic operator to search solution space instead of subtraction-based solution update rule of basic ABC due to discrete nature of the binary optimization. Similar to basic version of the algorithm, only one decision variable (dimension) is updated by the artificial agents of binABC. This approach causes slow convergence in the algorithm, and a proportional changing, which is depended on the number of decision variable of the optimization problem, is proposed in this study. The proposed approach is applied to solve a well-known binary optimization problem whose name is uncapacitated facility location problem (UFLP). Twelve instances of this problem are used in the experiments and obtained results are compared with the binABC algorithm in terms of solution quality, robustness and convergence characteristics. Experimental results show that the proposed approach is useful for controlling convergence characteristics and obtaining better quality of solution.
  • Küçük Resim
    Öğe
    A Rough Sets Approach for Diagnositc M-Mode Evaluation in Newborn with Congernital Heart Diseases
    (Ieee, 2010) Kaya, Ersin; Oran, Bülent; Arslan, Ahmet
    This paper presents a methodology based on rough set theory that can be used to identify those newborn with congenital heart diseases for which performing the test is redundant or superfluous. Pawlak introduced rough set theory in the early 1980s as a tool for representing and reasoning about imprecise or uncertain information. Our method depends on cardiac morphologic measurement algorithms for diagnosis template for neonatal congenital heart diseases accuracy. In this study, relationship between cardiac morphologic measurement and diagnosis of neonatal congenital heart diseases is analysed. Examples of echocardiographic M-mode values application for prediction of diagnosis for newborn infant with congenital heart diseases are given. Furthermore, the methodology enables one to automatically construct a set of descriptive and minimal if-then rules that model the patient group in need of the test. A reanalysis of a previously published real-world dataset of patients with normal cardiovascular system is used as this study. This may be helpful in supporting decisions concerning diagnosis of congenital heart diseases in newborn babies using rough set techniques. In addition, medical rough set techniques can discover novel diagnostic facility and associations that are useful to paediatric cardiologists.
  • Küçük Resim Yok
    Öğe
    A single-objective genetic-fuzzy approach for multi-objective fuzzy problems
    (IOS PRESS, 2013) Kaya, Ersin; Kocer, Baris; Arslan, Ahmet
    In this paper, a genetic algorithm-based search method, which builds ideal rule set for fuzzy rule-based classification systems (FRBCSs), is developed. In FRBCSs, ideal rule set means a set of rules which ensure high classification accuracy with small rule count and small rule length. The related studies in the literature point out that rule set grows exponentially with input attribute count. This growth complicates the searching process and lowers the success rate. Through the proposed method, successive results are obtained for datasets with large input attribute counts using a special coding technique. The proposed method is tested for various datasets and results are compared against the method which uses candidate rule set.