Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: AHMET TOPAL
Asıl Danışman (Eş Danışmanlı Tezler İçin): Yasemen Uçan
Eş Danışman: Nilgün Güler Bayazıt
Özet:
Çağımızda veri, yapay zekâ uygulamalarının
merkezinde yer alan önemli bir bileşen haline gelmiştir. Veriye bu derece ilginin arttığı bir ortamda
hem uygulama hem de teorik seviyedeki çalışmalarda önemli artışlar yaşanmaktadır.
Pawlak (1982) tarafından ortaya atılan kaba küme teorisi, ayırt edilemezlik
bağıntısı temelinde veriden faydalı ve anlamlı bilgilerin elde edilmesine
yönelik matematiksel bir araçtır. Gerçek dünya verilerinin deterministik bir
bağlamdan uzak olup belirsizlikler içermesi bu teorinin temel motivasyon
kaynağını oluşturmaktadır. Özellikle veriden karar kurallarına dayalı gizli
bilgilerin çıkarılabilmesi, nitelik ve örnek seçimi, eksik veriler ile
çalışabilme kabiliyetinden ötürü tercih edilmektedir. Kaba kümeler, ekonomi ve
finansta, tıpta, robotik ve mühendislikte, sinyal ve görüntü işleme gibi
alanlarda yaygın bir kullanıma sahiptir. Lakin klasik kaba küme teorisi
öznitelik alanlarının tercih sıraları dikkate alındığında baskınlık ilkesinden
kaynaklanan tutarsızlıkla başa çıkmakta yetersiz kalmaktadır. Bu sebeple çok
kriterli karar verme analizi için klasik kaba küme teorisinin bir genişlemesi
olarak baskın kaba küme yaklaşımı ortaya atılmıştır. Bu tez çalışması
kapsamında, ilk bölümde klasik kaba kümeler ile baskın kaba kümeler üzerine literatür
incelemesi yapılmıştır. Tezin amacı ve hipotez de bu bölümde sunulmuştur.
İkinci bölümde klasik kaba küme yaklaşımı ile baskın kaba küme yaklaşımı
hakkında bilgi verilmiştir. Üçüncü bölümde deneysel tasarım ve deneysel
sonuçlara yer verilmiştir. Deneysel çalışmada “Eğer … ise …” şeklinde karar
kurallarının çıkarılması ve karar verme sürecinde çıkarılan bu kuralları
kullanan bir karar destek modelini tasarlamak amaçlanmıştır. Bu doğrultuda veri
kümesi test ve eğitim olmak üzere iki parçaya ayrılmıştır. Eğitim kümesi
üzerinden DomLem algoritması kullanılarak karar kuralları çıkarılmıştır. Bu
kurallar kullanılarak test kümesindeki örneklerin her bir karar sınıfına ait
olma skorları hesaplanmış ve her bir örnek en yüksek skora sahip olduğu karar sınıfına
atanmıştır. Örneklerin gerçek ve tahmin edilen sınıflarını kullanarak
karmaşıklık matrisi oluşturulmuştur. Bu matris yardımıyla çıkarılan karar
kurallarının test kümesi üzerindeki performansı değerlendirilmiştir. Son
olarak, bir örneğin karar sınıfını tayin etmek için kullanılan skor hesabının
matematiksel formülasyonundan faydalanılarak veri kümesindeki bir karar sınıfı
için niteliklerin optimum düzeyleri elde edilerek tablo halinde sunulmuştur