Probabilistic discriminative region descriptor for time series classification
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: İngilizce
Öğrenci: PINAR SÜNGÜ İŞİAÇIK
Danışman: MUSTAFA GÖKÇE BAYDOĞAN
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Son yıllarda, resim, metin ve zaman serileri gibi çeşitli veri kümeleri için ayırt edici bölgelerin saptanması gelişmekte olan bir kavramdır. Gelişen veri depolama teknikleri ile birlikte, modellenebilecek zaman serilerinin büyüklüğü ve boyutu da arttı. Bilgisayarların hesaplama kapasiteleri de geliştirilmesine rağmen artan depolama ve hesaplama maliyetleri araştırmacıları daha optimum yöntemleri keşfetmeye zorlamaktadır. Zaman serisi sınıflandırma problemlerinde modellerin karmaşıklığını ve hesaplama maliyetlerini azaltmak için ham verinin tamamını kullanmak yerine zaman serilerindeki ayırt edici alt serileri kullanarak yeni öznitelik gösterimi oluşturulmaktadır. Bu öznitelik gösterimi de serinin ait olduğu sınıfı temsil etmektedir. Zaman serilerinde ayırt edici alt seriler, şekilcikler olarak adlandırılır. Birçok zaman serisi veri kümesinde, şekilcik kullanılarak kurulan sınıflandırma modelleri üstün performans göstermektedir. Ayrıca, şekilciklerin kolaylıkla açıklanabilir ve yorumlanabilir olması da kullanımını arttıran en önemli özelliklerindendir. Bu tezde, zaman serileri üzerinde ayırt edici bölgelerin zaman-gözlem uzayı üzerinde keşfedilmesi ve bu uzay kullanılarak şekilcik çıkarımıyla zaman serisi sınıflandırma akışı sunulmuştur. Uzayın tanımlanması için model seçiminin esnek olması da sunulan akışın bir avantajıdır. Ayırt edici bölgeler elde edildikten sonra, yeni bir öznitelik gösterimi oluşturmak için zaman-gözlem uzayında sınıflara ait, bir sınıflandırma modeliyle tahminlenen olasılık değerleri eşik değer ile filtrelenerek şekilcikler çıkarılır. Yeni öznitelik gösterimi oluşturulduktan sonra sınıflandırma modeli eğitilerek, zaman serisi sınıflandırma problemi çözülür. Deney sonuçlarına göre, önerilen olasılıksal ayırt edici bölge bulucu (PDRD) kullanılarak şekilcik çıkarma yöntemiyle yapılan sınıflandırma, referans veri setleri üzerinde rekabetçi sonuçlar sağlar.