Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2016
Öğrenci: MUSTAFA İSA DOĞAN
Danışman: HACI HASAN ÖRKCÜ
Özet:Sınıflandırma problemleri veri madenciliği, istatistik, ekonomi ve endüstri alanında sıklıkla karşılaşılan popüler problemlerdir. Bu çalışmada iki gruplu ve çok gruplu sınıflandırma problemlerinin çözümünde kullanılabilecek yeni sınıflandırma modelleri geliştirilmiştir. İki gruplu sınıflandırma modeli için önerilen yeni model Veri Zarflama Analizi BCC modeline dayanan Pendharkar ve Troutt (2014) modeli ile Sueyoshi (2004) tarafından önerilen iki aşamalı sınıflandırma modelinin bir karmasıdır. Önerilen yeni yaklaşım Pendharkar ve Troutt (2014)'den alınan bir örnek üzerinde ayrıntılı olarak incelenmiş ve ayrıca yapılan benzetim çalışmasından önerilen yöntemin sınıflandırma performansının diğer iki yöntemden daha iyi olduğu gözlenmiştir. Geliştirilen çok gruplu sınıflandırma modeli ise radyal tabanlı yapay sinir ağları ve matematiksel programlamaya dayalı yeni bir sınıflandırma modelidir. Literatürde önerilen çok gruplu matematiksel sınıflandırma modellerinde verilerin pozitif değerlere sahip olma varsayımı yer almaktadır. Önerilen yeni modelde ilk aşamada negatif değer içeren veri setleri radyal tabanlı sinir ağları yardımıyla pozitif veri uzayına taşındıktan sonra, her bir birimin sınıflandırma skoru Satapaty ve ark. (2009)'a benzer bir şekilde her birim için oluşturulan doğrusal regresyon denklemi yardımıyla tahmin edilmektedir. İkinci aşamada ise Lam ve Moy (1996)'da olduğu gibi birimlerin sınıflandırılması eşik değer sınaması yapan matematiksel programlama modeli ile yapılmaktadır. Yapılan benzetim çalışmalarında önerilen yöntemin negatif veride çalışabilen diğer çok gruplu sınıflandırma yöntemlerine göre daha iyi performans gösterdiği gözlemlenmiştir