Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Çanakkale Onsekiz Mart Üniversitesi, Lisansüstü Eğitim Enstitüsü, Türkiye
Tezin Onay Tarihi: 2021
Tezin Dili: Türkçe
Öğrenci: SAMET MEMİŞ
Eş Danışman: Uğur Erkan
Danışman: Serdar Enginoğlu
Özet:
Bu çalışmada, ilk olarak, bulanık parametreli bulanık esnek matrisler (fpfs-matrisler) üzerinde quasi-metrik, semi-metrik, pseudo-metrik ve metrik kavramları tanımlandı ve fpfs-matrisler üzerinde sekiz pseudo-metrik önerildi. Ardından, fpfs-matrisler üzerinde quasi-benzerlik, semi-benzerlik, pseudo-benzerlik ve benzerlik kavramları tanımlandı ve fpfs-matrisler üzerinde sekiz pseudo-benzerlik önerildi. Daha sonra, bu yeni kavramlar ve son zamanlarda fpfs-matrisler uzayına yapılandırılmış iki esnek karar verme metodu makine öğrenimindeki sınıflandırma problemlerine uygulandı. Sınıflandırma problemleri için FPFSCC, FPFSNHC, FPFSEC, FPFSCMC, FPFSAC ve FPFS-kNN olmak üzere toplamda altı makine öğrenimi algoritması geliştirildi. Geliştirilen algoritmaların simülasyonları için UCI makine öğrenimi veritabanındaki veri setleri ve doğruluk, kesinlik, duyarlık, makro F-skor ve mikro F-skor performans metrikleri kullanıldı. Sonrasında, önerilen yöntemlerin performans sonuçları, iyi bilinen ve güncel yöntemlerin performans sonuçlarıyla karşılaştırıldı. Friedman ve Nemenyi post-hoc testleri kullanılarak performans sonuçlarının istatistiksel değerlendirmesi yapıldı ve Nemenyi post-hoc testinin kritik diyagramları sunuldu. Performans sonuçları ve istatistiksel değerlendirmeler önerilen yöntemlerin göz önüne alınan veri setlerinde diğer yöntemlerden daha başarılı olduğunu göstermektedir. Son olarak, gelecek çalışmalar için önerilen yöntemler hakkında bir tartışmaya yer verildi.