Yazılım Mühendisliği Bölümü Yayın Koleksiyonu

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12416/2147

Browse

Filters

2011 - 20204

Settings

Access Right: Closed AccessLanguage: search.filters.language.tr

Search Results

Now showing 1 - 4 of 4
  • Conference Object
    Detection of Stylometric Writeprint From the Turkish Texts
    (Ieee, 2020) Canbay, Pelin; Sever, Hayri; Sezer, Ebru Akcapinar; Sever, Hayri; Bilgisayar Mühendisliği
    Authorship attribution studies aim to extract information about the author by analyzing the data in the text form. With the increase of anonymous authors in digital environments, the need for these works is increasing day by day. Although there exists lots of studies focuse on stylometric writeprint detection in different languages using different attributes, there is no standard feature set and detection algorithm to be evaluated in these studies. Giving priority to Turkish texts, in this study, which features are more distinctive for determining stylistic writeprint of text, and which methods will contribute to increase the success to be achieved are shown with experimental studies.
  • Conference Object
    Yeşil BHT Bilgi ve Haberleşme Teknolojileri Akademisyen ve Uygulayıcılar Açısından Bir İnceleme
    (2011) Akba, Fırat; Medeni, İhsan Tolga; Medeni, Tunç Durmuş; Tolun, Mehmet Reşit; Öztürk, Mehmet
  • Conference Object
  • Conference Object
    Sınıflandırmada Küçük ve Dengesiz Veri Kümesi Problemi
    (2019) Par, Öznur Esra; Akçapınar Sezer, Ebru; Sever, Hayri
    Verilerinin sınıflandırılması, veri kümesinin küçük ve dengesiz olması durumunda zorlaşmakta ve sınıflama performansını direkt etkilemektedir. Veri setinin küçük olması ve/veya sınıflar arasında dengesizlik olması veri madenciliğinde büyük bir sorun haline gelmiştir. Sınıflama algoritmaları, veri setlerinin yeterli büyüklüğe sahip, dengeli olduğu varsayımı üzerine geliştirilmiştir. Bu algoritmaların çoğu, azınlık sınıfındaki örnekleri göz ardı ederken veya yanlış sınıflandırırken, çoğunluk sınıfa odaklanır. Medikal veri madenciliğinde bazı kısıtlardan dolayı küçük ve dengesiz veri seti problemi ile sıklıkla karşılaşılmaktadır. Çalışma kapsamında erişime açık hepatit veri seti, küçük veri setlerine bölünmüş, oluşturulan her bir veri seti uzaklık tabanlı yöntemlerle çoğaltılmıştır. Çoğaltılan veri setleri dört farklı makine öğrenmesi algoritması (Yapay Sinir Ağları, Destek Vektör Makineleri, Naive Bayes ve Karar Ağacı) kullanılarak sınıflandırılmış, elde edilen sınıflama sonuçları karşılaştırılmıştır.