Filtreler

2014 - 20182
Filtreleri Sıfırla

Ayarlar

Erişim Hakkı: info:eu-repo/semantics/openAccess × Konu: Data mining ×

Arama Sonuçları

Listeleniyor 1 - 2 / 2
  • Küçük Resim
    Yayın
    Sınıflandırma için diferansiyel mahremiyete dayalı öznitelik seçimi
    (Gazi Univ, Fac Engineering Architecture, 2018) Var, Esra; İnan, Ali
    Veri madenciliği ve makine öğrenmesi çözümlerinin en önemli ön aşamalarından biri yapılacak analizde kullanılacak verinin özniteliklerinin uygun bir alt kümesini belirlemektir. Sınıflandırma yöntemleri için bu işlem, bir özniteliğin sınıf niteliği ile ne oranda ilişkili olduğuna bakılarak yapılır. Kişisel gizliliği koruyan pek çok sınıflandırma çözümü bulunmaktadır. Ancak bu yöntemler için öznitelik seçimi yapan çözümler geliştirilmemiştir. Bu çalışmada, istatistiksel veritabanı güvenliğinde bilinen en kapsamlı ve güvenli çözüm olan diferansiyel mahremiyete dayalı özgün öznitelik seçimi yöntemleri sunulmaktadır. Önerilen bu yöntemler, yaygın olarak kullanılan bir veri madenciliği kütüphanesi olan WEKA ile entegre edilmiş ve deney sonuçları ile önerilen çözümlerin sınıflandırma başarımına olumlu etkileri gösterilmiştir.
  • Küçük Resim
    Yayın
    Milkminer: a dairy farm analysis and learning system
    (Işık Üniversitesi, 2014-01-23) Genç, Ayşenur; Ünel, Gülay; Işık Üniversitesi, Fen Bilimleri Enstitüsü, Enformasyon Teknolojileri Yüksek Lisans Programı
    Agriculture and animal breeding industry is getting its share from the rapid advances in technology which enables the world wide use of automation systems. The use of automatic milking systems in dairy farms for milking has also increased. The goal of this thesis is to contribute to the development of performance enhancing processes by analyzing the data collected in dairy farms for discovering new rules and relationships using data mining. The outputs of this thesis will be used by Triodor Company as an analysis and learning system. Currently, the data collected in various dairy farms all around the world that use automated systems is stored for use in local or global databases as a part of the automation projects. Since these automation technologies are still in the development phase, research and development on detailed study, analysis and relationship recognition among data is in early stages and limited. Currently, the central database populated by the software technologies developed by Triodor contains data about each individual farm such as key performance measurements collected daily from more than 30 countries and 4000 dairy farms for various types of users. This large scaled dataset is not used for any operation or analysis other than simple query answering. If this large database and external data sources (such as weather, vegetation) are analyzed for the detection of potential hidden relationships among data then it will be possible to realize improvements in these farms regarding various types of criteria such as performance, sustainability, and product quality. In this thesis, an analysis and learning system that works on the data collected from dairy farms is developed. In the implementation of this system, the dairy farm database design is analyzed in terms of the content to be used in analysis purposes, and then the database is analyzed using data mining methods. As a result, a system with quantitative analysis techniques via data mining methods is generated.