Browsing by Author "Okur, Mehmet Cudi"

Now showing 1 - 16 of 16

Citation - WoS: 40
Citation - Scopus: 55
A Comprehensive Review of Feature Selection and Feature Selection Stability in Machine Learning
(GAZI UNIV, 2023) Mustafa Buyukkececi; Mehmet Cudi Okur; Buyukkececi, Mustafa; Okur, Mehmet Cudi
Feature selection is a dimension reduction technique used to select features that are relevant to machine learning tasks. Reducing the dataset size by eliminating redundant and irrelevant features plays a pivotal role in increasing the performance of machine learning algorithms speeding up the learning process and building simple models. The apparent need for feature selection has aroused considerable interest amongst researchers and has caused feature selection to find a wide range of application domains including text mining pattern recognition cybersecurity bioinformatics and big data. As a result over the years a substantial amount of literature has been published on feature selection and a wide variety of feature selection methods have been proposed. The quality of feature selection algorithms is measured not only by evaluating the quality of the models built using the features they select or by the clustering tendencies of the features they select but also by their stability. Therefore this study focused on feature selection and feature selection stability. In the pages that follow general concepts and methods of feature selection feature selection stability stability measures and reasons and solutions for instability are discussed.
Araba boyaları üzerinde sedefli ışıltı etkisini temsil eden verimli bir model
(2020) Mir, Sermet; Okur, Mehmet Cudi
Predicting the appearance of the car paint coatings is an expensive and crucial process for the automotive industry. Car paint manufacturers have commercial interest in tools that can visually simulate the appearance of the coatings to speed up their production phase and many models have been proposed by computer graphics researchers in this regard. However, due to the nature of the car paint coating which is composed of multiple layers and microscopic features that affect the final appearance, this area remains as an open research problem. A real car paint structure shows the effects of gloss, glitter, shade, color shift and sparkling under some sample light. Consequently, in a realistically rendered output we must observe these effects under similar conditions. The sparkle and color shift effects are the result of the scattering caused by the microscopic flakes and the light may interact with multiple flakes during its scattering process. This problem is named as the multiple scattering problem which is computationally costly and an efficient model should solve this problem at adequate speed. In this thesis study, an approximate model is presented to simulate the appearance of the coatings from their orientation. The Radiative Transfer Equation is used for the representation of the multiple scattering, and it is computed with the Adding-Doubling method to provide the computational simplification and accuracy. The thesis also covers empirical and statistical analysis to ensure the correctness of the outputs.
Artırılmış gerçeklik teknolojilerinin kullanımı müzelerde artırılmış gerçeklik çalışması
(2013) Aydoğdu, Deniz; Okur, Mehmet Cudi; Öztürk, Aydın
Augmented Reality (AR) technologies, developed since 1970's has evolved and advanced with today?s technological advances. This thesis aims to guide researchers who wants to engage in AR technologies and will provide about the current status and future of cultural information presentation innovation with augmented reality. Thesis, explains how AR technologies work, expresses and explains fields of application and gives a summary from history to present time. It discusses the AR technologies that can enhance how cultural presentation and experience is created in museums and how it can be modified and improved with AR technologies. ARGuide prototype application has been done and presented. As a conclusion thesis indicates, AR technologies are clearly moved on from infancy to maturity a beginning stage where many innovative opportunities for presenting information is possible and human kind will be witnessing more fantastic applications in near future for public masses.
Bayes ağ yapılarının öğrenilmesi için yeni sürü zekası algoritmaları ve karşılaştırılmalı bir değerlendirme
(2020) Kareem, Shahab Wahhab; Okur, Mehmet Cudi
Bayesian networks are useful analytical models for designing the structure of knowledge in machine learning which can represent probabilistic dependency relationships among the variables. A Bayesian network depends on; 1.the parameters of the network and 2.the structure. Parameters represent conditional probabilities while the structure represents dependencies between the random variables. The structure of a Bayesian network is a directed acyclic graph (DAG). Learning the structure of a Bayesian network is NP-hard but still extensive work have been done to optimize approximate solutions. In this thesis, we have conducted research for structure learning to develop algorithms to find a solution to the problem. There are two approaches for learning the structure of Bayesian networks. The first is a constraint-based approach, and the second is a score and a search approach. One common type of method for Bayesian network structure learning is the score-based search. Score-based methods rely on a function to test how well the network model matches the data, and they search for a structure that produces high scores on this function. There are two types of scoring functions: Bayesian score and information-theoretic score. The Bayesian and information-theoretic scores have been implemented in several structure learning methods. In this thesis, we focused on the score based search for testing the structure learning of Bayesian network using heuristic methods for searching and BDeu as a score function. In this thesis we proposed five algorithms for the search part and used BDeu as a score function. We also proposed a sixth method which is also a nature inspired one. The first proposed algorithm used Pigeon Inspired Optimization as a search method and the above mentioned score function. The proposed method has shown a good result when compared with default methods like Simulated Annealing iii and greedy search. This algorithm is a novel approach applied for structure learning of Bayesian network. The second proposed algorithm used Bee optimization and Simulated Annealing as a hybrid algorithm, which used Bee optimization as a local search and Simulated Annealing as a global search. The third proposed algorithm also used bee optimization and Simulated Annealing as a hybrid but used Bee optimization as a global search and Simulated Annealing as a local search. The fourth proposed algorithm used Bee optimization and Greedy search as a hybrid algorithm. It used Bee optimization as local search and Greedy as global search. The fifth algorithms also used bee optimization and Greedy as a hybrid algorithm, but it used Bee optimization as a global search and Greedy as a local search Our last proposed algorithm used Elephant Swarm Water Search Algorithm (ESWSA). The thesis presents the results of extensive evaluations of these algorithms based on common benchmark data sets. Applications of ESWSA in Structure learning of Bayesian Network and comparisons with the Simulated Annealing and Greedy Search, show that this proposed method is better than the default Simulated Annealing and Greedy search methods. Keywords: Bayesian network, structure learning, Pigeon Inspired Optimization, Bee Optimization, greedy, Simulated Annealing, elephant swarm search, water search, global search, local search, search and score.
Citation - Scopus: 8
Bayesian network structure learning based on pigeon inspired optimization
(World Academy of Research in Science and Engineering, 2019) Shahab Wahhab Kareem; Mehmet Cudi Okur; Kareem, Shahab Wahhab; Okur, Mehmet Cudi
Bayesian networks are useful analytical models for designing the structure of knowledge in machine learning. Probabilistic dependency relationships among the variables can be represented by Bayesian networks. One strategy of a structure learning Bayesian Networks is the score and search technique. In this paper present the proposed method for Bayesian network structure learning which is depended on Pigeon Inspired Optimization (PIO). The proposed method is a simple one among a firm concentration rate. In nature a navigational ability concerning pigeons is unbelievable and impressive. Under the PIO search algorithm we define a set of directed acyclic graphs. Every graph owns a score which shows its fitness. It iterates the algorithm until it gets the best solution or a satisfactory network structure using a landmark compass and map operator. During this work the proposed method compared with Simulated Annealing and Greedy Search using BDe score function. We also investigated the confusion matrix performances of the methods using various benchmark data sets. Specific effects show that a presented algorithm produces excellent performance than Simulated Annealing and Greedy algorithms and produces higher scores and accuracy values. © 2019 Elsevier B.V. All rights reserved.
A Comparison of the Performance of Ensemble Classification Methods in Telecom Costumer Churn Analysis
(2016) Kalabalık, Gökçe; Okur, Mehmet Cudi
Data mining is used to analyze mass databases in order to discover hidden information. Churn analysis based on classification is one of the most common applications of data mining. It is used to predict the behavior of customers who are most likely to change the provided telecom service. In this way, specific campaigns can be created for them. Customer churn is one of the most significant problems that affect business nowadays. The main purpose of churn prediction is to classify the customers into two types. These two types are customers who leave the company and customers who continue doing their business with the company. In order to identify future churners, predictive models based on past data can be developed. However, it has become more difficult to assess the proper classification methods for churn prediction applications since the number of classification models have also increased. In the area of telecom churn prediction, conventional statistical prediction methods are used mostly. This thesis examines combining multiple machine learning algorithms using ensemble methods to increase the accuracy measures of the existing prediction methods. The major aim is to evaluate classification results in telecom customer churn management using bagging, boosting, and random forest ensemble classification methods. Weka software tool has been used to evaluate the performance of common bagging, boosting, and random forest techniques. The results indicate moderate improvements in classification accuracies and other measures. Based on the results, it can be said that ensemble methods with a good base learner are efficient in churn classification. This thesis comprises of eight sections which include these subjects, their applications, and the results. Keywords: Data Mining, Churn Analysis, Telecom Churn, Classification, Ensemble Methods, Bagging, Boosting, Random Forest
An Efficient BSSRDF Plugin for Computer Graphics Software
(2014) Önel, Sermet; Okur, Mehmet Cudi; Öztürk, Aydın
Bu tezde, yarı saydam malzemelerdeki yüzey altı ışık saçılımı için etkin modeller incelenerek, Mitsuba görselleştiricisinin eklenmesiyle, 3D modelleme programlarından Blender altında bir eklenti haline getirilmiştir. Yarı saydam malzemelerde yüzey altı saçılımı modellemesi İki Yönlü Yüzey Saçılımı Yansıma Dağılım Fonksiyonu (Bidirectional Scattering Surface Reflectance Distribution Function – BSSRDF) aracılığıyla sunulmaktadır. Bu fonksiyon yarı saydam malzemelerde yüzeye temas eden ışığın yüzeyden çıkış anına kadar yapmakta olduğu çoklu saçılım doğrultusunda, ışığın hareketini modellemektedir. Özgün hali sekiz boyutlu (8D) olan BSSRDF'ler Jensen'in iki kutuplu (Dipole) yaklaşımı ile 4 boyutlu (4D) hale indirgenmiştir. Heterojen yarı saydam malzemeler, yüzey üzerindeki farklılıklar dolayısıyla iki kutuplu yaklaşıma uygun değillerdir. Ölçümlenen 4D BSSRDF verileri, faktörizasyon tabanlı Tucker ve Tekil Değer Ayrıştırma (SVD) yöntemleri ile daha etkin sonuçlar vermektedirler. Tezin sonraki kısımlarında belirtileceği üzere, performans kriterleri doğrultusunda SVD yöntemi heterojen yarı saydam malzemelerin modellemesinde tercih edilmiştir. Eklenti, BLENDER üzerinde farklı parametrelerle hazırlanan 3 boyutlu sahnelerin MITSUBA dönüştürücüsü kullanılarak görselleştirme (rendering) işlemine sokulmasını sağlamaktadır. Eklenti performansının doğrulaması, farklı veri setlerinin işleme sokulması aracılığıyla gerçekleştirilmiştir.
Citation - WoS: 2
Citation - Scopus: 10
FALCON OPTIMIZATION ALGORITHM FOR BAYESIAN NETWORK STRUCTURE LEARNING
(AGH University of Science and Technology Press, 2021) Shahab Wahhab Kareem; Mehmet Cudi Okur; Kareem, Shahab Wahhab; Okur, Mehmet Cudi
In machine-learning some of the helpful scientific models during the production of a structure of knowledge are Bayesian networks. They can draw the relationships of probabilistic dependency among many variables. The score and search method is a tool that is used as a strategy for learning the structure of a Bayesian network. The authors apply the falcon optimization algorithm (FOA) to the learning structure of a Bayesian network. This paper has employed reversing deleting moving and inserting to obtain the FOA for approaching the optimal solution of a structure. Essentially the falcon prey search strategy is used in the FOA algorithm. The result of the proposed technique is associated with pigeon-inspired optimization greedy search and simulated annealing that apply the BDeu score function. The authors have also examined the performances of the confusion matrix of these techniques by utilizing several benchmark data sets. As shown by the experimental evaluations the proposed method has a more reliable performance than other algorithms (including the production of excellent scores and accuracy values). © 2021 Elsevier B.V. All rights reserved.
Kayıp BRDF ölçümlerinin sıkıştırmalı örnekleme yöntemiyle tahmin edilmesi
(2015) Seylan, Nurcan; Okur, Mehmet Cudi
Sıkıştırmalı Örnekleme, büyük miktarlardaki ve/veya kayıp, gürültülü veya geçersiz değerler içeren verinin küçük bir kısmını kullanarak bu veriyi yeniden oluşturmayı sağlayan yeni bir metottur. Bu metot, verinin seyrek (sparse) olmasını kullanır ve çok etkin bir yeniden oluşturma işlemi gerçekleştirir. Verinin az sayıdaki örneklemelerinden sonra bir eniyileme algoritması kullanılarak veri yeniden elde edilir. Bu yöntem şimdiye kadar sinyal işleme, resim/video işleme, tıbbi görüntüleme gibi alanlarda yoğun olarak kullanılmıştır. Çift Yönlü Yansıma Dağılım Fonksiyonu (BRDF) verisi, gerçek materyallerin farklı yansıma özelliklerini tanımlamak için kullanılır. Bu çalışmada, sıkıştırmalı örnekleme yöntemi kullanılarak, büyük boyutlu ve seyrek yapıdaki BRDF verisinin yeniden oluşturulması işlemi gerçekleştirilmiştir. Ayrıca bu yöntemle bu verinin içerdiği kayıp, geçersiz, gürültülü değerler etkili bir şekilde yeniden oluşturulabilmektedir. Bunun dışında mevcut BRDF modellerinden ikisi kullanılarak BRDF verisi oluşturulmuş ve sıkıştırmalı örnekleme yöntemiyle başarılı bir şekilde yeniden oluşturulmuştur.
Mobil grafikler için Gaussian karışım modeli kullanarak gerçek zamanlı görüntüleme
(2015) Töral, Özkan Anıl; Okur, Mehmet Cudi
Bu tezde, mobil cihazlar için gerçek-zamanlı çevresel ışıklandırma uygulaması geliştirdik ve Gaussian Karışım Modeli (Gaussian Mixture Model, GMM) kullanarak çevresel ışıklandırmanın düşük-güçlü mobil grafik işlemci ünitelerinde (Graphics Processing Unit, GPU) de mümkün olabileceğini gösterdik. Uygulamamızda çift-yönlü yansıma dağılım fonksiyonlarının (Bidirectional Reflectance Distribution Function, BRDF) parametreleri değiştirilerek istenilen yönbağımlı ve yönbağımsız materyallerin gerçek-zamanlı olarak görüntülenmesi sağlanmıştır. GMM yöntemimizi mobil grafikler için uygun olacak şekilde de genişlettik. GMM yöntemimiz yönbağımlı ve yönbağımsız BRDF'leri, beklenti maksimizasyonu (Expectation Maximization, EM) kullanılarak yerleştirilmiş küresel Gaussian (Spherical Gaussians, SG) ile ifade ederek, gerekli SG sayısını kabul edilebilir bir sayıya indirir. Tahminlemeden kaynaklanan hataları azaltmak için, GPU tarafından oluşturulan MIP-mapleri kullanarak çevreyi filtreleriz. MIP-maplerin seviyeleri SG'lerin genişlikleri ile verimli bir şekilde hesaplarız. Sonuçlar doğrultusunda yönbağımlı ve yönbağımsız yansımaların gerçek-zamanlı olarak GMM yöntemimiz ile mobil cihazlar üzerinde de görüntülenebileceği gösterilmiştir.
Citation - WoS: 4
Citation - Scopus: 15
Pigeon Inspired Optimization of Bayesian Network Structure Learning and a Comparative Evaluation
(SEOUL NATL UNIV INST COGNITIVE SCIENCE, 2019) Shahab Wahhab Kareem; Mehmet Cudi Okur; Kareem, Shahab Wahhab; Okur, Mehmet Cudi
Bayesian networks are useful analytical models for designing the structure of knowledge in machine learning. Probabilistic dependency relationships among the variables can be represented by Bayesian networks. One strategy of a structure learning Bayesian Networks is the score and search technique. In this paper we present a new method for structure learning of the Bayesian network which is based on Pigeon Inspired Optimization (PIO) Algorithm. The proposed algorithm is a simple one with fast convergence rate. In nature the navigational ability of pigeons is unbelievable and highly impressive. In accordance with the PIO search algorithm a set of directed acyclic graphs is defined. Every graph owns a score which shows its fitness. The algorithm is iterated until it gets the best solution or a satisfactory network structure using map and compass and landmark operator. In this work the proposed method compared with Simulated Annealing Bee optimization and Simulated Annealing as a hybrid algorithm. Bee optimization and Greedy search as a hybrid algorithm and Greedy Search using BDeu score function We also investigated the confusion matrix performances of the methods. The paper presents the results of extensive evaluations of these algorithms based on common benchmark data sets. The results indicate that the proposed algorithm has better performance than the other algorithms and produces higher scores and accuracy values.
A Security Comparison of Oracle, SQL Server and MySQL Database Management Systems against SQL Injection Attack Vulnerabilities
(2019) Altıntaş, Burhan; Okur, Mehmet Cudi
Bu tez, saldırganlar tarafından kullanılan geçerli SQLi (SQL Injection) saldırı tekniklerini tanımlamaya, üç büyük Database Yönetim Sistemleri'ni SQLi saldırılarına karşı davranışlarına göre incelemeye ve karşılaştırmaya odaklanmaktadır. Odaklanılan Database Yönetim Sistemleri Oracle, SQL Server ve MySQL'dir. Dahası, SQLi saldırılarından kurtulmak için bazı bilgiler sunulmuştur. SQLi, saldırganlar tarafından veri çalmak veya kuruluşların veri dosyaları ve veri tabanlarında çeşitli zararlı eylemler gerçekleştirmek için yaygın olarak kullanılan bir enjeksiyon yöntemidir. Bu tez kapsamında yapılan literatür araştırmaları, Oracle, SQL Server ve MySQL güvenlik araçlarına odaklanmıştır. Daha sonra, literatür araştırmaları perspektifinde, saldırılara verdikleri tepkileri anlamak amacıyla veri tabanlarına bazı SQLi test saldırılar uygulanmıştır. SQLi test saldırılarını, sonuçların sınıflandırılması amacıyla türlerine göre test saldırılardan önce sınıflandırdık. Saldırıların parametreleri tablolarda sunulmuştur. SQLi saldırılarının, iyi tasarlanmamış kodların güvenlik açıklıklarından faydalandığı sonucuna varılmıştır. SQLi saldırılarına karşı korunma hakkında bazı önerilerde bulunulmuştur. SQLi saldırılarının tespit edilmesi, kaydedilmesi ve engellenmesi konularında bir öneri fonksiyon geliştirilmiştir. Ayrıca, eğer saldırı yüksek derecede tehlikeliyse (bu sistem yöneticisi tarafından tanımlanır), önerilen fonksiyon sistem yöneticisini uyarır.
Citation - WoS: 9
Citation - Scopus: 16
Structure learning of Bayesian networks using elephant swarm water search algorithm
(IGI Global, 2020) Shahab Wahhab Kareem; Mehmet Cudi Okur; Kareem, Shahab Wahhab; Okur, Mehmet Cudi
Bayesian networks are useful analytical models for designing the structure of knowledge in machine learning. Bayesian networks can represent probabilistic dependency relationships among the variables. One strategy of Bayesian Networks structure learning is the score and search technique. The authors present the Elephant Swarm Water Search Algorithm (ESWSA) as a novel approach to Bayesian network structure learning. In the algorithm, Deleting Reversing Inserting and Moving are used to make the ESWSA for reaching the optimal structure solution. Mainly water search strategy of elephants during drought periods is used in the ESWSA algorithm. The proposed method is compared with simulated annealing and greedy search using BDe score function. The authors have also investigated the confusion matrix performances of these techniques utilizing various benchmark data sets. As presented by the results of the evaluations the proposed algorithm has better performance than the other algorithms and produces better scores and accuracy values. © 2021 Elsevier B.V. All rights reserved.
The Use of Information Technologies in Special Education for Preparation of Individual Education Programs
(WORLD ACAD SCI ENG & TECH-WASET, 2005) Yasar Guneri Sahin; Mehmet Cudi Okur; Sahin, Yasar Guneri; Okur, Mehmet Cudi; C Ardil
In this presentation we discuss the use of information technologies in the area of special education for teaching individuals with learning disabilities. Application software which was developed for this purpose is used to demonstrate the applicability of a database integrated information processing system to alleviate the burden of educators. The software allows the preparation of individualized education programs based on the predefined objectives goals and behaviors.
UML ile modellenen coʇrafi verilerin XSLT yardimiyla OWL'a dönüştürülmesi
(Ceur-Ws, 2014) Önel, Sermet; Komesli, Murat; Okur, Mehmet Cudi
Veri madenciliğinde öznitelik seçim tekniklerinin kararlılıkları ve sınıflandırma performansları arasındaki ilişkinin değerlendirilmesi
(2019) Büyükkeçeci, Mustafa; Okur, Mehmet Cudi
Her yıl üretilen ve depolanan veri miktarı üstel olarak artmaktadır. Hem veri kümeleri hem de veri kümesi boyutlarındaki yaşanan bu önemli artış, veri analizi tekniklerini ve algoritmalarını olumsuz yönde etkileyerek karmaşık modellerin üretilmesine, performans kayıplarına ve artan hesaplama maliyetlerine neden olmuştur. Bu problemlerin önlenmesi ve üstesinden gelinmesi için, Öznitelik seçimi gibi, çeşitli veri önişleme teknikleri geliştirilmiştir. Boyut küçültme (indirgeme) tekniği olan öznitelik seçimi, sınıflandırıcıların analiz kalitesini, verimliliğini ve genelleme kapasitesini geliştirmek, hesaplama maliyetlerini azaltmak ve yüksek sınıflandırma veya kümeleme doğruluğuna sahip basit ve anlaşılabilir modeller oluşturmak için kullanılır. Öznitelik seçim algoritmaları tarafından elde edilen öznitelik altkümelerinin sınıflandırma veya kümelenme performanslarının yanı sıra, öznitelik seçim algoritmasının kararlılığı veya sağlamlığı da test edilmelidir. Kararlılık, öznitelik seçim algoritmasının eğitim setinde yapılan değişikliklere karşı hassasiyetinin ölçüsüdür. Düşük hassasiyete sahip algoritma, yani kararlı bir algoritma, eğitim kümesinde yapılan her değişiklikten sonra aynı veya çok benzer sonuçlar (öznitelik altkümeleri veya sıraları) verirken, yüksek hassasiyete sahip algoritma, yani kararsız bir algoritma, her değişiklikten sonra farklı sonuçlar verir. Kararsız bir algoritma tarafından üretilen sonuçlar değişken olacağından, sınıflandırma modellerinin oluşturulmasında kullanılacak sonuçların (öznitelik kümesinin) seçilmesini ve girdi ve çıktılar arasındaki ilişkinin kurulmasını zorlaştırır. Öznitelik seçim algoritmasına olan güveni sarsar. Bu nedenle, algoritma kararlılığı öznitelik seçim algoritmaları için önemli bir başarı kriteridir. Bu tezde kararlılık ile sınıflandırma performansı arasındaki ilişkiyi belirlemek ve yorumlamak için toplam yedi filtreleyen (T-Testi, viiBhattacharyya, Wilcoxon, ROC, Entropi, ReliefF ve Karar Ağacı Topluluğu) ve iki ardışık seçim (Ardışık İleri Öznitelik Seçimi (SFS) ve Ardışık Geri Öznitelik Seçimi (SBS)), veya sarmalayan, öznitelik seçimi algoritması, on iki kararlılık ölçüsü, üç sınıflandırıcı ve yedi gerçek dünya veri kümesi kullanılmıştır.