ÖZELLİK SEÇİMİ, SINIFLAMA VE ÖNGÖRÜ UYGULAMALARINA YÖNELİK BİRLİKTELİK KURALI ÇIKARIMI VE YAZILIM GELİŞTİRİLMESİ

Abstract

Son yıllarda, bilgisayar sistemlerinin yaygın olarak kullanılmasıyla beraber tüm verilerveri tabanlarında saklanmaya başlanmış ve gün geçtikçe veri tabanları büyük kapasitelereulaşmıştır. Bunun sonucu veri tabanlarından bilgi keşfi önemli bir araştırma alanı olmuştur. Bualandaki en önemli yöntemlerden biri birliktelik kuralı çıkarımıdır. Bu tez çalışmasında,birliktelik kuralı yöntemi farklı alanlara uygulanmış ve gösterdiği başarımlardeğerlendirilmiştir. Bu doğrultuda üç farklı uygulama yapılmıştır:1. Herhangi bir veri tabanına ait nitelikler arasındaki ilişkiler tespit edilerek özellik seçimiuygulaması yapılmıştır. Birliktelik kuralına dayalı özellik seçimi yöntemi önerilerek eldeedilen sonuçlar diğer özellik seçimi yöntemleri ile karşılaştırılmıştır.2. Birliktelik kuralı, veri tabanına ait nitelikler arasındaki ilişkileri ortaya çıkarabilmektedir.Bu özelliği sayesinde, birliktelik kuralı yöntemi kullanılarak doku sınıflama işlemigerçekleştirilmiştir. Bu işlemlerden hız ve başarım artışı sağlayabilmek için, kenarçıkarma ve dalgacık dönüşümü yöntemleri ile dokudan özellik çıkarımı yapılmıştır.3. Birliktelik kuralı, öğrenci verilerine uygulanarak öğrencilerin derslerden aldığı notlaranaliz edilmiş ve geleceğe yönelik notlar ile ilgili öngörüler yapılmıştır. Ayrıca bu amacauygun bir yazılım geliştirilmiştir.Yapılan bu üç ayrı uygulama alanında birliktelik kuralı yönteminin önemli başarılar eldeettiği görülmüştür. Elde edilen sonuçların literatürde yer alan diğer yöntemlerle karşılaştırılmasısonucu, birliktelik kuralı yönteminin, söz konusu özellik seçimi, doku sınıflama ve not öngörüsüuygulamalarındaki başarımının kayda değer olduğu sonucuna varılmıştır.In recent years, together with wide spread use of computer systems, data has been begunto keep in databases and these databases have reached a huge capacity day by day. Therefore,the knowledge discovery from databases has been become an important research area. One ofthe most important methods in this area is Associated Rules Extraction. In this thesis, theassociated rule method is applied on different areas and its performance is evaluated. Asintended for this, three different implementations were carried out:1. Determining relationships between any database quantities, the feature selectionapplication is realized. The obtained results using the feature selection method based onassociated rules are compared with the other feature selection methods.2. The associated rule method is able to extract the relationships between databases. Withthis feature, the texture classification process using the associated rule method is fulfilled.To increase the success rate and speed, the feature extraction process from textures isfulfilled by using the methods of edge detection and wavelet transformation.3. Applying associated rule method on student records, the student scores were analyzed andthe score predictions for the future were carried out in advance. In addition, software tofulfill this purpose was developed.Performing these three applications, it can be seen that the associated rule method canreach an important success rate. After the obtained results were compared with the othermethods in literature, it has been observed that the associated rule method provides anappreciable success rate on the applications of feature extraction, texture classification and scoreforeseeing.