Boyut İndirgeme Yöntemlerinin Karşılaştırmalı Analizi

Authors : Mücahit ÇALIŞAN, Muhammed Fatih TALU

Pages : 107-113

Doi:10.46810/tdfd.707200

View : 81 | Download : 19

Publication Date : 2020-06-18

Article Type : Research Paper

Abstract :Günümüz veritabanları hızlı bir şekilde büyümektedir. Örneğin Youtube’a her dakikada ortalama 300 saatlik video yüklenmektedir. Veri boyutuyla orantılı bir şekilde, işleme, depolama ve transfer maliyetleri artmaktadır. Buna karşılık, özellikle video ve imge gibi yüksek boyutlu veri içeriklerinin büyük oranda benzer olduğu bilinmektedir. Bu tür yüksek boyutlu ham verilerin, düşük boyutlara indirgenmesi, imge sınıflandırma, algılama ve anlamlı bilgi çıkarım prosesleri için hayati öneme sahiptir. Veri boyutunu indirgeyen çok sayıda teknik mevcuttur. Klasik yapay öğrenme tekniklerinden; PCA insert ignore into journalissuearticles values(Temel Bileşenler Analizi); ve LDA insert ignore into journalissuearticles values(Doğrusal Ayıraç Analizi);, probleme matematiksel bir çözüm zemini kazandırdıkları için ön plana çıkarken, doğrusal olmayan tekniklerden, derin öğrenme yaklaşımlarından olan Oto-Kodlayıcı insert ignore into journalissuearticles values(Auto-Encoding);, büyük verilerin indirgenmesine izin vermesi bakımından araştırmacıların ilgisini çekmektedir. Bu çalışmada, gerçek ve sentetik veriler insert ignore into journalissuearticles values(doğrusal ve doğrusal olmayan); kullanılarak PCA, LDA ve Auto-Encoding insert ignore into journalissuearticles values(AE); yöntemlerinin boyut indirgeme performansları incelenmiştir. Belirli kıstaslarda insert ignore into journalissuearticles values(harcanan zaman, yeniden inşa etme doğruluğu vb.); alınan sonuçlar karşılaştırmalı bir şekilde sunulmuştur.
Keywords : Boyut indirgeme, PCA, LDA, AE

ORIGINAL ARTICLE URL