Developing synergic data mining method for dicovering anomalies

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2015

Tezin Dili: İngilizce

Öğrenci: NUHA SHAWAHNA

Danışman: Mete Çelik

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Anomali tespiti olağandışı/farklı kayıt ve gözlemlerin belirlenmesi işlemidir. Anomali tespiti tıp, halk sağlığı, iklim çalışmaları, finans hizmetleri gibi farklı uygulama alanları için önemli bir problemdir. Tıbbi veri, anormal hasta durumu, cihaz hatası veya hastalık salgınları gibi çeşitli nedenlerden dolayı, anomali içerebilir. Bu nedenle bu alanda anomali tespiti kritiktir ve yüksek derecede doğruluk gerektirir. Farklı anomali tespiti algoritmaları farklı sonuçlar üretirler. Herbiralgoritmalanın çalışma mantıklarının farklı olması, verinin yüksek boyutlu olması ve uygun giriş parametrelerin seçilmesi gibi nedenler bu algortimaların sonuçlarını etkiler. Bu nedenle anomali tespiti için tek bir algoritmmanın sonuçlarına bağlı kalmak doğru olmayabilir. Bu durumun üstesinden gelmek için bu tez kapsamında sinerjik bir yöntem önerilmiştir. Sinerjik yöntemde farklı anormallik tespiti algoritmaları, diyabet verilerindeki anomalileri tespit etmek için birleştirilmiştir. Bu algoritmalar yoğunluk-tabanlı DBSCAN algoritması, ızgara-tabanlı WaveCluster algoritması , en yakın komşu tabanlı algoritmalar KNN ve INFLO algoritmaları, paylaşımlı en-yakın komşu (SNN) algoritması, açı-tabanlı ABOD algoritması ve istatistiksel-tabanlı algoritmaları Gauss modeli ve Gauss homojen karışım modeli algoritmalarıdır. Önerilen sinerjik yöntem ile, algoritmalar birleştirilerek, herbir algoritmanın en iyi yönlerinin/faydalarının kullanılması amaçlanmıştır. Deney sonuçları, önerilen sinerjik yöntemin diğer algoritmalara göre daha iyi performans sergilediğini göstermiştir.