Matches in SemOpenAlex for { <https://semopenalex.org/work/W2996768980> ?p ?o ?g. }
Showing items 1 to 64 of
64
with 100 items per page.
- W2996768980 endingPage "1172" @default.
- W2996768980 startingPage "1164" @default.
- W2996768980 abstract "Parkinson Hastalığı (PH), bireylerin çoklu motor ve motor olmayan özelliklerini doğrudan etkileyen ilerleyici bir sinir hastalığıdır. PH’nin ilk evresinde bireyler genellikle ses bozulmalarıyla karşı karşıya kalır. Bu durumda PH’nin erken tespitinde kişilerin ses kayıtlarından yararlanılır. Ses kayıtlarından sinyal işleme yöntemleriyle çıkarılan öznitelikler yapay öğrenme yöntemlerine girdi olarak verilerek bireylerin hastalığa sahip olup olmadığı tespit edilir. Bu çalışmada bireylerin ses kayıtlarından çıkarılan öznitelikler iki farklı yapay öğrenme yöntemine girdi olarak verilmiş ve bireyler Parkinson hastası veya sağlıklı olarak sınıflandırılmıştır. Oluşturulan modeller UCI Makine Öğrenmesi deposundan alınan veri kümesi ile eğitilmiştir. Hem eğitilen yapay öğrenme modellerinin karmaşıklığını azaltmak hem de modellerin aşırı öğrenmesini engellemek için öznitelikler üzerinde iki farklı boyutsallık indirgeme yöntemi uygulanmıştır. İlk yöntem olan Temel Bileşenler Analizi (TBA)’yle yeni bir öznitelik alt uzayı oluşturmak için öznitelik kümesi orijinal boyuttan daha az boyuta sahip olan yeni bir alt uzaya yansıtılır. Oluşturulan yeni öznitelik uzayında yüksek varyansa sahip bileşenler seçilirken; varyansı düşük bileşenler ihmal edilir. İkinci yöntem olan Özyinelemeli Öznitelik Eleme (ÖÖE)’de özniteliklere yapay öğrenme yöntemleri kullanılarak ilgililik puanları atanır. İlk aşamada tüm öznitelik kümesini kullanan bir model oluşturulur ve her öznitelik için bir ilgililik puanı hesaplanır. Sonraki aşamada en az ilgililik puanına sahip öznitelik ihmal edilerek model yeniden oluşturulur ve ilgililik puanları tekrar hesaplanır. Bu işlem öznitelik kümesinde istenilen sayıda öznitelik kalana kadar devam ettirilir. Kullanlan iki Boyutsallık indirgeme yöntemiyle öznitelik uzayının boyutları azaltılmış ve indirgenmiş öznitelik vektörleriyle Destek Vektör Makineleri (DVM) ve Gradyan Arttırıcı Makineler (GAM) sınıflandırıcıları eğitilmiştir. Elde edilen veri kümesinin örnek sayısı görece az olduğundan sınıflandırıcıların eğitiminde Bireyi Dışarda Bırakan Çapraz Doğrulama (BDBÇD) prosedürü kullanılmıştır. Veri kümesi aynı zamanda dengesiz sınıf dağılımına sahip olduğundan modellerin performans değerlendirmesinde doğruluk oranıyla birlikte F-ölçütü ve Matthews Korelasyon Katsayısı (MKK) ölçütleri kullanılmıştır. Alınan tüm deneysel sonuçlar irdelendiğinde en yüksek sınıflandırma başarısına sadece 13 öznitelik kullanılarak erişildiği görülmüştür. ÖÖE yöntemiyle seçilen 13 öznitelikle GAM sınıflandırıcısı eğitilerek 0,881 doğruluk oranı elde edilmiştir. Doğruluk oranı öznitelik seçimi yapılmadan elde edilen sonuçlara göre yaklaşık %2 oranında artmıştır. Aynı artış sınıfların ayırt edilebilirliğini gösteren MKK oranında da olmuştur. Boyutsallık indirgeme işlemi olmadan elde edilen MKK oranı 0,62 iken ÖÖE yöntemiyle öznitelik seçimi yapıldığında oran 0,67’ye yükselmiştir. Kullanılan diğer boyutsallık indirgeme yöntemi olan TBA ise öznitelik seçimsiz modellere göre sınıflandırma başarısı arttırmamasına rağmen, aynı başarı oranlarına daha az sayıda öznitelikle erişmiştir." @default.
- W2996768980 created "2020-01-10" @default.
- W2996768980 creator A5022678740 @default.
- W2996768980 date "2019-12-31" @default.
- W2996768980 modified "2023-09-25" @default.
- W2996768980 title "Parkinson Hastalığı Tespitinde Farklı Boyutsallık İndirgeme Yöntemlerinin Karşılaştırılması" @default.
- W2996768980 cites W1416684103 @default.
- W2996768980 cites W1596717185 @default.
- W2996768980 cites W1678356000 @default.
- W2996768980 cites W1999799863 @default.
- W2996768980 cites W2020089616 @default.
- W2996768980 cites W2037760741 @default.
- W2996768980 cites W2069778984 @default.
- W2996768980 cites W2084627109 @default.
- W2996768980 cites W2092829070 @default.
- W2996768980 cites W2100534701 @default.
- W2996768980 cites W2112797878 @default.
- W2996768980 cites W2145954079 @default.
- W2996768980 cites W2154029067 @default.
- W2996768980 cites W2203920572 @default.
- W2996768980 cites W2302722331 @default.
- W2996768980 cites W2395784021 @default.
- W2996768980 cites W2531966375 @default.
- W2996768980 cites W2579747565 @default.
- W2996768980 cites W2743691251 @default.
- W2996768980 cites W2772397068 @default.
- W2996768980 cites W2806647989 @default.
- W2996768980 cites W2889245000 @default.
- W2996768980 cites W2896691302 @default.
- W2996768980 cites W2947180941 @default.
- W2996768980 cites W4213263325 @default.
- W2996768980 doi "https://doi.org/10.31590/ejosat.655795" @default.
- W2996768980 hasPublicationYear "2019" @default.
- W2996768980 type Work @default.
- W2996768980 sameAs 2996768980 @default.
- W2996768980 citedByCount "2" @default.
- W2996768980 countsByYear W29967689802020 @default.
- W2996768980 countsByYear W29967689802021 @default.
- W2996768980 crossrefType "journal-article" @default.
- W2996768980 hasAuthorship W2996768980A5022678740 @default.
- W2996768980 hasBestOaLocation W29967689801 @default.
- W2996768980 hasConcept C71924100 @default.
- W2996768980 hasConceptScore W2996768980C71924100 @default.
- W2996768980 hasLocation W29967689801 @default.
- W2996768980 hasLocation W29967689802 @default.
- W2996768980 hasLocation W29967689803 @default.
- W2996768980 hasOpenAccess W2996768980 @default.
- W2996768980 hasPrimaryLocation W29967689801 @default.
- W2996768980 hasRelatedWork W1506200166 @default.
- W2996768980 hasRelatedWork W1995515455 @default.
- W2996768980 hasRelatedWork W2048182022 @default.
- W2996768980 hasRelatedWork W2080531066 @default.
- W2996768980 hasRelatedWork W2604872355 @default.
- W2996768980 hasRelatedWork W2748952813 @default.
- W2996768980 hasRelatedWork W2899084033 @default.
- W2996768980 hasRelatedWork W3031052312 @default.
- W2996768980 hasRelatedWork W3032375762 @default.
- W2996768980 hasRelatedWork W3108674512 @default.
- W2996768980 isParatext "false" @default.
- W2996768980 isRetracted "false" @default.
- W2996768980 magId "2996768980" @default.
- W2996768980 workType "article" @default.