DESTEK VEKTÖR MAKİNE TABANLI BULANIK SİSTEMLER, YENİ BİR GÜRBÜZ SINIFLAYICI VE REGRESÖR TASARIMI

Abstract

Bu tezde; giriş uzayında Destek Vektör Makinelere (DVM'lere) seçenek sınıflayıcılarınve regresörlerin tasarımı yapılmıştır. Bu amaçla, eğim iniş yöntemleri kullanılarak çözümüyapılabilen eniyileme algoritmaları sunulmuştur.Bu çalışmada ilk olarak, giriş uzayında DVM'lerdeki gibi hem yapısal hata hem dedeneysel hata prensibine dayanarak karar yüzeyleri küre ve elipsoit biçimli olan iki sınıflısınıflayıcı algoritmaları önerilmiştir. Bu algoritmalar çok sınıflı sınıflama problemlerine basitolarak genişletilmiştir. Önerilen tüm algoritmaların, gürültü ve aykırı verilere karşıgürbüzlüğünü artırmak için, her veriye farklı bir üyelik değeri atanarak yeni bulanık küre veelipsoit biçimli sınıflayıcılar elde edilmiştir. İkinci olarak, küre ve elipsoit biçimli kararyüzeylerinin dışında, Radyal Tabanlı İşlev Ağlarının (RTİA'ların) veya klasik bir gizli katmanlıYapay Sinir Ağlarının (YSA'ların) yüzeyleri gibi daha karmaşık karar yüzeyleri kullanılaraksınıflama başarımını arttırmayı amaçlayan bir algoritma önerilmiştir. Önerilen algoritma,regresyon kestirimi için de genişletilmiştir. Üçüncü olarak, RTİA'lar kullanılarak elde edilensınıflayıcı ve regresör formülasyonları, çekirdek kullanılarak yeniden türetilmiştir. Son olarak,bulanık sistemlerin genelleme yeteneğini artırmak amacıyla, DVM'nin istatiksel öğrenmealgoritmasına benzer bir öğrenme algoritması sunulmuştur.Önerilen tüm algoritmalarda, penaltı parametresi uyarlanır seçilerek gürültü ve aykırıverilere karşı daha az duyarlı olma özelliği sağlanmıştır. Algoritmaların, bilimsel yazındakibirçok yönteme göre başarımı farklı veri kümeleri üzerinde eğitim süresi ile eğitim ve testhataları açısından karşılaştırılmıştır.Anahtar Kelimeler: Destek vektör makineler, bulanık mantık, penaltı işlev yaklaşımı, eğiminiş algoritmaları, sınıflama ve regresyon kestirimi.xii