Yazar "Özşen, Seral" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim
    Öğe
    Biyomedikal sınıflama problemleri için problem-tabanlı bir yapay bağışıklık sisteminin geliştirilmesi ve biyomedikal sınıflama problemlerine uygulanması
    (Selçuk Üniversitesi Fen Bilimleri Enstitüsü, 2008) Özşen, Seral; Güneş, Salih
    Bu çalışmada mühendislik ve diğer uygulama alanlarında karşılaşılan karmaşık problemlerin çözümü için iki Yapay Zeka sistemi geliştirilmiştir. Yapay Zeka sistemlerinin bir alt dalı olan Yapay Bağışıklık Sistemleri (YBS) alanında geliştirilmiş olan sistemler, doğrusal olmayan problemlerin çözümünde kullanılmak üzere tasarlanmıştır. YBS alanında doğrusal olmayan problemlerin çözümünde kullanılan karmaşık sistemlerin var olmayışı, YBS sistemlerinin çoğu alanda iyi bilinen çözüm teknikleri arasında yer almasına engel olmuştur. Bu çalışmada tasarlanan sistemler ile iki farklı şekilde doğrusal olmayan sistem tasarımı gerçekleştirilerek YBS alanındaki bu eksikliğin giderilmesi hedeflenmiştir. Geliştirilen ilk sistem Kernel_YBS sistemidir ve bu sisteme, klasik YBS sistemlerindeki uzaklık hesaplamalarının Kernel uzayına taşınması ile doğrusal olmayan bir yapı kazandırılmıştır. Sistem parametrelerinin performans üzerindeki etkileri Two-Spirals ve Chainlink veri kümeleri kullanılarak detaylı bir şekilde incelenmiştir. Bunun yanında, gerek sistemin gerçek problemlerdeki performansını görmek, gerekse sistemi literatürde yer alan diğer sistemlerle karşılaştırmak için, Doppler veri kümesi ile UCI veri tabanından alınan İris ve Statlog Heart Disease veri kümeleri üzerinde uygulamar yapılmıştır. Sistem İris veri kümesi için %98.66'lık bir sınıflama doğruluğu elde ederken, Statlog Heart Disease veri kümesi için %85.93'lük bir sınıflama başarısına ulaşmıştır. Sistem, 61 veriye sahip Doppler örneklerini ise sadece iki hafıza hücresi ile %99.09 sınıflama doğrulunda sınıflamayı başarmıştır. Elde edilen bu sonuçlar ile Kernel_YBS sitemi, söz konusu veri kümeleri için literatürde performansı en yüksek sistemler arasında yerini almıştır. Yapı olarak gerçekleştirilen ikinci sistem olan YBS_Yanıtı sistemi, bağışıklık sistemindeki tanıma mekanizmasını farklı bir şekilde modellemiş ve böylece doğrusal olmayan bir yapıya sahip olmuştur. Yine sistemin parametre analizleri Two-Spirals ve Chainlink veri kümeleri üzerinde gerçekleştirilmiş ve parametrelerin seçiminde dikkat edilmesi gereken hususlar vurgulanmıştır. Sistemin performansını gerçek problemlerde incelemek amacıyla yine İris veri kümesi ve Statlog Heart Disease veri kümesi kullanılmıştır. İris veri kümesinde %99.33 sınıflama doğruluğu elde eden sistem, Statlog veri kümesinde %90.37'lik bir doğruluk ile litaratürdeki diğer yöntemlere sınıflama doğruluğu bakımından büyük bir performans farkı sağlamıştır.
  • Küçük Resim
    Öğe
    Use of Kernel Functions in Artificial Immune Systems for the Nonlinear Classification Problems
    (Ieee-inst Electrical Electronics Engineers Inc, 2009) Özşen, Seral; Güneş, Salih; Kara, Sadık; Latifoğlu, Fatma
    Due to the fact that there exist only a small number of complex systems in artificial immune systems (AISs) that solve nonlinear problems, there is a need to develop nonlinear AIS approaches that would be among the well-known solution methods. In this study, we developed a kernel-based AIS to compensate for this deficiency by providing a nonlinear structure via transformation of distance calculations in the clonal selection models of classical AIS to kernel space. Applications of the developed system were conducted on Statlog heart disease dataset, which was taken from the University of California, Irvine Machine-Learning Repository, and on Doppler sonograms to diagnose atherosclerosis disease. The system obtained a classification accuracy of 85.93% for the Statlog heart disease dataset, while it achieved a 99.09% classification success for the Doppler dataset. With these results, our system seems to be a potential solution method, and it may be considered as a suitable method for hard nonlinear classification problems.