Araştırma Makalesi
BibTex RIS Kaynak Göster

K-Ortalama Kümelerinin Sınıf Bilgisi Olarak Karar Ağacı Oluşturmada Kullanılması ve Glokom Çoklu Sınıflandırılmasında Başarıma Etkisi

Yıl 2016, Cilt: 4 Sayı: 2, 747 - 755, 11.03.2016

Öz

Bu çalışma çoklu sınıflandırmada performans artırımı için K-Ortalama ve Karar Ağacı yöntemlerinden oluşan bir model sunmaktadır. Model glukom veri kümesi üzerinde test edilmiş  kesinlik ölçütü 0,808, ROC alanı 0,839 bulunmuştur.

Kaynakça

  • E.S. Berner, Clinical Decision Support Systems: State of the Art. AHRQ Publication, Rockville, MD (2009).
  • E. Coiera, Clinical Decision Support Systems: Guide to Health Informatics. 3rd Edition, CRC
  • Press, (2003)
  • Sen, Arun et al. Journal of Biomedical Informatics 45(5)(2012)1009–1017.
  • A. Satyanandam et al. International Journal of Computer & Organization
  • Trends.2(3)(2012)53-60
  • I. Kononenko Artificial Intelligence in Medicine 23(1)(2001)89–109
  • M. You et al. Int J Data Min Bioinform. 5(4)(2011)383-401.
  • N. Mehra, S. Grupta International Journal of Computer Science and Information
  • Technologies 4(4)(2013)572 – 576
  • G. Tsoumakas, I. Katakis Data Warehousing and Mining: Concepts, Methodologies, Tools,
  • and Applications,6. Baskı, IGI Global, (2008)
  • B.M. Shahshahani, D.A. Landgrebe. Geoscience and Remote Sensing 32(5)(1994)1087 – 1095
  • S.W. Kim, R.P.W. Duin, On Improving Dissimilarity-Based Classifications Using a Statistical Similarity Measure, 15th Iberoamerican Congress on Pattern Recognition, Sao Paulo – Brazil,
  • (2010) 418–425
  • Savini et al. Current Opinion in Ophthalmology 22 (2)(2011)115–123
  • Y. Burnstein et al. American Journal of Ophthalmology 129(3)(2000)328–333
  • L. Churilov et al. Journal of Management Information Systems 21(4)(2005)85-100
  • X. Wu et al. Knowl. Inf. Syst. 14(1)(2008):1-37
  • M. Bramer, Principles of data mining, 1st Ed., Springer-Verlag, (2007)
  • Anonim,
  • http://www.academia.edu/4857097/Integrating_Clustering_with_Different_Data_Mining_Techniques_in_the_Diagnosis_of_Heart_Disease (Erişim tarihi: 17th of January, 2015)
  • N.S. Nithya et al. International Journal of Computer Science Trends and Technology
  • (2)(2013)17-23
  • P. Filipczuk et al. Image Processing and Communications Challenges, 3. Baskı, Springer,
  • (2011)
  • U. Orhan et al. Expert Systems with Applications 38(10)(2011)13475–13481.
  • J. Demsar et al. Journal of Machine Learning Research 14(2013)2349-2353.
  • P. Rousseeuw et al. Journal of Statistical Software 1(4)(1996)1-30.
  • A.T. Azar et al. Neural Computing and Applications 23(7)(2013)2387-2403.
  • J.C. Mwanza et al. Ophthalmology 119(6)(2012)1151–1158.
  • O. Tan et al. Ophthalmology 116(12)(2009)2305–2314.
  • R. Sihota et al. Invest Ophthalmol Vis Sci 47(5)(2006)2006-2010.
  • Z. Yang et al. PLoS ONE 10(5)(2015)e0125957.
  • C. Bowd, M.H.Goldbaum Optometry & Vision Science 85(6)(2008) 396–405.

Usage Of K-Means Clusters as Class Labes In Decısıon Trees and Its Effect On Multıclassıfıcatıon Performance Of Glaucoma

Yıl 2016, Cilt: 4 Sayı: 2, 747 - 755, 11.03.2016

Öz

In this study a model of K-Means - Decision Tree is presented to increase the multiclassification performance. This model is tested on glaucoma dataset, the accuracy and the are under ROC curve is calculated as 0.808, 0.839 respectively.

Kaynakça

  • E.S. Berner, Clinical Decision Support Systems: State of the Art. AHRQ Publication, Rockville, MD (2009).
  • E. Coiera, Clinical Decision Support Systems: Guide to Health Informatics. 3rd Edition, CRC
  • Press, (2003)
  • Sen, Arun et al. Journal of Biomedical Informatics 45(5)(2012)1009–1017.
  • A. Satyanandam et al. International Journal of Computer & Organization
  • Trends.2(3)(2012)53-60
  • I. Kononenko Artificial Intelligence in Medicine 23(1)(2001)89–109
  • M. You et al. Int J Data Min Bioinform. 5(4)(2011)383-401.
  • N. Mehra, S. Grupta International Journal of Computer Science and Information
  • Technologies 4(4)(2013)572 – 576
  • G. Tsoumakas, I. Katakis Data Warehousing and Mining: Concepts, Methodologies, Tools,
  • and Applications,6. Baskı, IGI Global, (2008)
  • B.M. Shahshahani, D.A. Landgrebe. Geoscience and Remote Sensing 32(5)(1994)1087 – 1095
  • S.W. Kim, R.P.W. Duin, On Improving Dissimilarity-Based Classifications Using a Statistical Similarity Measure, 15th Iberoamerican Congress on Pattern Recognition, Sao Paulo – Brazil,
  • (2010) 418–425
  • Savini et al. Current Opinion in Ophthalmology 22 (2)(2011)115–123
  • Y. Burnstein et al. American Journal of Ophthalmology 129(3)(2000)328–333
  • L. Churilov et al. Journal of Management Information Systems 21(4)(2005)85-100
  • X. Wu et al. Knowl. Inf. Syst. 14(1)(2008):1-37
  • M. Bramer, Principles of data mining, 1st Ed., Springer-Verlag, (2007)
  • Anonim,
  • http://www.academia.edu/4857097/Integrating_Clustering_with_Different_Data_Mining_Techniques_in_the_Diagnosis_of_Heart_Disease (Erişim tarihi: 17th of January, 2015)
  • N.S. Nithya et al. International Journal of Computer Science Trends and Technology
  • (2)(2013)17-23
  • P. Filipczuk et al. Image Processing and Communications Challenges, 3. Baskı, Springer,
  • (2011)
  • U. Orhan et al. Expert Systems with Applications 38(10)(2011)13475–13481.
  • J. Demsar et al. Journal of Machine Learning Research 14(2013)2349-2353.
  • P. Rousseeuw et al. Journal of Statistical Software 1(4)(1996)1-30.
  • A.T. Azar et al. Neural Computing and Applications 23(7)(2013)2387-2403.
  • J.C. Mwanza et al. Ophthalmology 119(6)(2012)1151–1158.
  • O. Tan et al. Ophthalmology 116(12)(2009)2305–2314.
  • R. Sihota et al. Invest Ophthalmol Vis Sci 47(5)(2006)2006-2010.
  • Z. Yang et al. PLoS ONE 10(5)(2015)e0125957.
  • C. Bowd, M.H.Goldbaum Optometry & Vision Science 85(6)(2008) 396–405.
Toplam 35 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Konular Mühendislik
Bölüm Makaleler
Yazarlar

Sait Can Yücebaş

Ahmet Cumhur Kınacı Bu kişi benim

Yayımlanma Tarihi 11 Mart 2016
Yayımlandığı Sayı Yıl 2016 Cilt: 4 Sayı: 2

Kaynak Göster

APA Yücebaş, S. C., & Kınacı, A. C. (2016). K-Ortalama Kümelerinin Sınıf Bilgisi Olarak Karar Ağacı Oluşturmada Kullanılması ve Glokom Çoklu Sınıflandırılmasında Başarıma Etkisi. Düzce Üniversitesi Bilim Ve Teknoloji Dergisi, 4(2), 747-755.
AMA Yücebaş SC, Kınacı AC. K-Ortalama Kümelerinin Sınıf Bilgisi Olarak Karar Ağacı Oluşturmada Kullanılması ve Glokom Çoklu Sınıflandırılmasında Başarıma Etkisi. DÜBİTED. Mart 2016;4(2):747-755.
Chicago Yücebaş, Sait Can, ve Ahmet Cumhur Kınacı. “K-Ortalama Kümelerinin Sınıf Bilgisi Olarak Karar Ağacı Oluşturmada Kullanılması Ve Glokom Çoklu Sınıflandırılmasında Başarıma Etkisi”. Düzce Üniversitesi Bilim Ve Teknoloji Dergisi 4, sy. 2 (Mart 2016): 747-55.
EndNote Yücebaş SC, Kınacı AC (01 Mart 2016) K-Ortalama Kümelerinin Sınıf Bilgisi Olarak Karar Ağacı Oluşturmada Kullanılması ve Glokom Çoklu Sınıflandırılmasında Başarıma Etkisi. Düzce Üniversitesi Bilim ve Teknoloji Dergisi 4 2 747–755.
IEEE S. C. Yücebaş ve A. C. Kınacı, “K-Ortalama Kümelerinin Sınıf Bilgisi Olarak Karar Ağacı Oluşturmada Kullanılması ve Glokom Çoklu Sınıflandırılmasında Başarıma Etkisi”, DÜBİTED, c. 4, sy. 2, ss. 747–755, 2016.
ISNAD Yücebaş, Sait Can - Kınacı, Ahmet Cumhur. “K-Ortalama Kümelerinin Sınıf Bilgisi Olarak Karar Ağacı Oluşturmada Kullanılması Ve Glokom Çoklu Sınıflandırılmasında Başarıma Etkisi”. Düzce Üniversitesi Bilim ve Teknoloji Dergisi 4/2 (Mart 2016), 747-755.
JAMA Yücebaş SC, Kınacı AC. K-Ortalama Kümelerinin Sınıf Bilgisi Olarak Karar Ağacı Oluşturmada Kullanılması ve Glokom Çoklu Sınıflandırılmasında Başarıma Etkisi. DÜBİTED. 2016;4:747–755.
MLA Yücebaş, Sait Can ve Ahmet Cumhur Kınacı. “K-Ortalama Kümelerinin Sınıf Bilgisi Olarak Karar Ağacı Oluşturmada Kullanılması Ve Glokom Çoklu Sınıflandırılmasında Başarıma Etkisi”. Düzce Üniversitesi Bilim Ve Teknoloji Dergisi, c. 4, sy. 2, 2016, ss. 747-55.
Vancouver Yücebaş SC, Kınacı AC. K-Ortalama Kümelerinin Sınıf Bilgisi Olarak Karar Ağacı Oluşturmada Kullanılması ve Glokom Çoklu Sınıflandırılmasında Başarıma Etkisi. DÜBİTED. 2016;4(2):747-55.