Multi-view feature extraction based on canonical correlation analysis
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye
Tezin Onay Tarihi: 2014
Tezin Dili: İngilizce
Öğrenci: CEMAL OKAN ŞAKAR
Danışman: SADIK FİKRET GÜRGEN
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Kanonik Korelasyon Analizi (KKA) iki de ği şken k ümesi arası ndaki do ğrusal ba ğıntı lar ı belirlemeyi ama çlayan bir y öntemdir. KKA son zamanlarda makine öğrenme alan ında ayn ı verinin farklı temsillerinden olu san çok-bak şlı veri k ümelerinin artmasıyla birlikte çok ça kullan ılmaya ba şlam ıştı r. Bu tez, KKA y önteminin gürb üzl ü ğ ü ve s ınıfland ırma ba şarısının arttırılmasına y önelik çal smalar ı i çermektedir. KKA, maksimum korelasyona sahip izd üşüm vekt örlerinin (e şde gi şkenler) bulunmas ı i çin bakı şlar ı karma şı k s ını f etiketleri gibi kullanmaktad ır. Bu nedenle, KKA e ğitim k ümesi üzerinde a şırı ö grenmeye sebep olabilir. Topluluk öğrenme y öntemleri sınıflandırma ve k ümeleme y öntemlerinin bu t ür aşırı ö grenme sorunlar ını engellemek i çin kullanı lmı ş, ancak KKA i cin bir topluluk yakla şımı henüz önerilmemi ştir. Bu tezde, birden fazla alt- örneklemden elde edilen e şde gi şken k ümelerinin birle ştirilmesiyle nihai bir e şde gi şken k ümesinin elde edilmesi i çin bir topluluk y öntemi önerdik. Çe şitli veri k ümeleri üzerinde elde edilen deneysel sonu çlar topluluk KKA y önteminin ba şarısını g östermektedir. KKA y önteminin ger çeklemesinde s ını f etiketlerinden yararlanı lmadı ğı i çin, bu y öntemle elde edilen öznitelikler sı nı f-ayı rı cı özelli ğe sahip olamayabilmektedir. Bu tez iki bakı ş arası ndaki ortak bilgiyi i ceren ve aynı zamanda farkl ı sınıflara ait örnekleri ayı rt edebilen öznitelikler arayan bir y öntem önermektedir. Önerdi ğimiz y öntem her biri do ğrusal gizli katmanlı ve hem sı nı f örneklerini hem de birbirlerinin çıktılarını tahmin etmeyi ama çlayan iki çok katmanlı algı layı cı dan olu şmaktadı r. Deneysel sonu çlar, önerilen y öntemle ç ıkartı lan özniteliklerin daha y üksek sınıflandırma ba şarı sı verdi ğini g östermi ştir. Bu tez çalışmasının di ğer bir katk ısı , KKA y önteminin bir öznitelik se çme y önteminin geli ştirilmesinde kullan ılmas ıdı r. Bunun yan ında çok-bakı şlı veri k ümeleri i çin topluluk s ınıfland ırma ve k ümeleme üzerine çalı şmaları mı z ı da i çermektedir.