Yazar "Arslan, Güvenç" seçeneğine göre listele

Listeleniyor 1 - 6 / 6
  • Küçük Resim
    Öğe
    An Algebraic Approach to Clustering and Classification with Support Vector Machines
    (Mdpi, 2022) Arslan, Güvenç; Madran, Uğur; Soyoğlu, Duygu
    In this note, we propose a novel classification approach by introducing a new clustering method, which is used as an intermediate step to discover the structure of a data set. The proposed clustering algorithm uses similarities and the concept of a clique to obtain clusters, which can be used with different strategies for classification. This approach also reduces the size of the training data set. In this study, we apply support vector machines (SVMs) after obtaining clusters with the proposed clustering algorithm. The proposed clustering algorithm is applied with different strategies for applying SVMs. The results for several real data sets show that the performance is comparable with the standard SVM while reducing the size of the training data set and also the number of support vectors.
  • [ X ]
    Öğe
    An Algebraic Approach to Clustering and Classification with Support Vector Machiness
    (MDPI, 2022) Arslan, Güvenç; Madran, Uğur; Soyoğlu, Duygu
    In this note, we propose a novel classification approach by introducing a new clustering method, which is used as an intermediate step to discover the structure of a data set. The proposed clustering algorithm uses similarities and the concept of a clique to obtain clusters, which can be used with different strategies for classification. This approach also reduces the size of the training data set. In this study, we apply support vector machines (SVMs) after obtaining clusters with the proposed clustering algorithm. The proposed clustering algorithm is applied with different strategies for applying SVMs. The results for several real data sets show that the performance is comparable with the standard SVM while reducing the size of the training data set and also the number of support vectors. © 2022 by the authors Licensee MDPI, Basel, Switzerland.
  • [ X ]
    Öğe
    Koroner Arter Hastalığı Riskinin Veri Madenciliği Yöntemleri İle İncelenmesi
    (Kırıkkale Üniversitesi, 2017) Cihan, Şeyma; Karabulut, Bergen; Arslan, Güvenç; Cihan, Gökhan
    GünümüzdeKardiyovasküler Hastalıklar oldukça yaygındır ve ölüm nedenlerinin başındagelmektedir. Kardiyovasküler Hastalıkların bir tipi olan Koroner ArterHastalığının doğru ve zamanında teşhisi çok önemlidir. Koroner arterhastalığının kesin tanısı ve hastalık şiddetinin saptanmasında invaziv biryöntem olan anjiyografi altın standart olarak kullanılmaktadır. Anjiyografi,maliyeti yüksek ve ileri seviyede uzmanlık gerektiren bir yöntem olmasınınyanında ciddi komplikasyonlara da sebep olabilmektedir. Bu nedenlerle daha ucuzve etkili bir yaklaşım sağlayabilecek olan veri madenciliğinin kullanımı üzerindeçalışmalar yapılmaktadır. Bu çalışmada Koroner Arter Hastalığı riskinintespitinde bir sınıflama modeli geliştirmek için veri madenciliği yaklaşımıuygulanmıştır. Çalışma kapsamında sınıflandırma yöntemleri ile elde edilensonuçlar ve doğru sınıflandırma oranları karşılaştırılmıştır. Bunun içinCleveland kliniğine ait, 303 kayıt ve 14 değişken içeren kalp hastalığı verikümesi kullanılmıştır. Gerekli hesaplamalar ve modelleri elde etmek için Wekapaket programında 1R, J48 Karar Ağacı, Naive Bayes ve Çok katmanlı yapay sinirağı (YSA) sınıflandırma yöntemleri uygulanmıştır. Uygulama sonucunda KoronerArter Hastalığının tespitinde en iyi sonucun %83,498 doğruluk oranı ile Çokkatmanlı YSA sınıflandırma yöntemi ile elde edildiği görülmüştür. Çok katmanlı YSAalgoritmasını Naive Bayes ve Düzenlenmiş J48 Karar Ağacı algoritmalarıizlemiştir.
  • [ X ]
    Öğe
    Sniper Rifle Selection Using Evidential Fuzzy Multi-Criteria Decision Making
    (2024) Yalçın, Galip Cihan; Arslan, Güvenç
    Some of the main reasons for the uncertainties that are effective in the decision-making processes are imprecision, randomness, and ambiguity. One of the methods to deal with these uncertainties is the DST method. DST stands out in applications, especially with its ability to cope with both random and incomplete information and inconsistency. The main purpose of this study is to compare the results obtained in a previous sniper rifle selection problem with the results obtained by the DST method using EFMCDM and to evaluate whether the results obtained by the two methods are compatible with each other. In this study 4 sniper rifles were evaluated with respect to 6 criteria. From the research findings it was concluded that the DST method provides similar results to the outranking based fuzzy decision-making method for the sniper rifle selection problem. In addition, the results show that the security forces can use the DST method for this type of selection problem. In conclusion, it has been demonstrated that the EFMCDM method based on the belief entropy method can be used in many similar selection problems.
  • Küçük Resim
    Öğe
    Sıralı Küme Örneklemesi ile Kumaraswamy Dağılımı Parametrelerinin Tahmin Edilmesinde Genetik Algoritma Kullanılması
    (2019) Kılıç, Adil; Arslan, Güvenç
    Bu çalışmada, Kumaraswamy dağılımının parametrelerinin en çok olabilirlik yöntemi ile tahmin edilmesi genetik algoritma yaklaşımı kullanılarak araştırılmıştır. Ayrıca basit rasgele örneklemeye göre daha iyi sonuç verebileceği düşünülerek parametrelerin tahmin edilmesinde sıralı küme örneklemesi de incelenmiştir. Genetik algoritma yaklaşımı, Kumaraswamy dağılımı parametrelerinin pozitif olma koşulunun hesaba katılması nedeniyle tercih edilmiştir. Ek olarak genetik algoritma yaklaşımında en çok olabilirlik fonksiyonunun türev bilgisine ihtiyaç duyulmaması da hesaplamalarda kolaylık sağlamaktadır. Genetik algoritma kullanılarak elde edilen her iki örnekleme yöntemine ait olabilirlik tahmin edicilerinin performanslarının karşılaştırılması için yan, hata kareler ortalaması ve etkinlikleri hesaplanmıştır. Simülasyon çalışmasındaki hesaplamalar için R yazılımı ve ilgili paketler kullanılmıştır.
  • Küçük Resim
    Öğe
    A Weighted Similarity Measure for k-Nearest Neighbors Algorithm
    (2019) Karabulut, Bergen; Arslan, Güvenç; Ünver, Halil Murat
    One of the most important problems in machine learning, which has gained importance in recent years, is classification. The k-nearest neighbors (kNN) algorithm is widely used in classification problem because it is a simple and effective method. However, there are several factors affecting the performance of kNN algorithm. One of them is determining an appropriate proximity (distance or similarity) measure. Although the Euclidean distance is often used as a proximity measure in the application of the kNN, studies show that the use of different proximity measures can improve the performance of the kNN. In this study, we propose the Weighted Similarity k-Nearest Neighbors algorithm (WS-kNN) which use a weighted similarity as proximity measure in the kNN algorithm. Firstly, it calculates the weight of each attribute and similarity between the instances in the dataset. And then, it weights similarities by attribute weights and creates a weighted similarity matrix to use as proximity measure. The proposed algorithm is compared with the classical kNN method based on the Euclidean distance. To verify the performance of our algorithm, experiments are made on 10 different real-life datasets from the UCI (UC Irvine Machine Learning Repository) by classification accuracy. Experimental results show that the proposed WS-kNN algorithm can achieve comparative classification accuracy. For some datasets, this new algorithm gives highly good results.