Yazar "Memiş, Samet" seçeneğine göre listele
Listeleniyor 1 - 11 / 11
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe A classification method in machine learning based on soft decision-making via fuzzy parameterized fuzzy soft matrices(Springer Science and Business Media Deutschland GmbH, 2022) Memiş, Samet; Enginoğlu, Serdar; Erkan, UğurFuzzy parameterized fuzzy soft matrices (fpfs-matrices) which can model problems involving fuzzy objects and parameters are one of the mathematical tools used to deal with decision-making problems. To utilize soft decision-making methods via fpfs-matrices in machine learning is likely to draw much scholarly attention. In this paper, we propose Comparison Matrix-Based Fuzzy Parameterized Fuzzy Soft Classifier (FPFS-CMC) in order to transfer modeling success of fpfs-matrices to machine learning. We then compare FPFS-CMC with Fuzzy Soft Set Classifier (FSSC), FussCyier, Fuzzy Soft Set Classification Using Hamming Distance (HDFSSC), and Fuzzy k-Nearest Neighbor (Fuzzy kNN) in consideration of accuracy, precision, recall, macro-F-score, and micro-F-score performance metrics, and 15 datasets in UCI Machine Learning Repository. Besides, we compare the proposed classifier with the state-of-the-art Support Vector Machine (SVM), Decision Tree (DT), and Adaptive Boosting (AdaBoost) in terms of five performance metrics herein. Afterward, the results from the experiments are analyzed by employing the Friedman and Nemenyi tests to assess the statistical significance of the differences in performances. Both experimental and statistical results show that FPFS-CMC outperforms the others. Finally, we provide the conclusive remarks and some suggestions for further research.Öğe A Configuration of Some Soft Decision-Making Algorithms via fpfs-matrices(2018) Enginoğlu, Serdar; Memiş, SametSince many problems have a large amount of data or uncertainty, the computer mathematics has become compulsory. To deal with such kinds of these problems, the concept of fuzzy parameterized fuzzy soft matrices (fpfs-matrices) has been defined by Enginoğlu. In this paper, we first give some of its basic definitions. We then configure some decision-making algorithms constructed by soft sets, fuzzy soft sets, fuzzy parameterized soft sets, fpfs-sets, and their matrix representations. We finally discuss later works.Öğe A Generalisation of Fuzzy Soft Max-Min Decision-Making Method and Its Application to a Performance-Based Value Assignment in Image Denoising(TUBITAK, 2019) Enginoğlu, Serdar; Memiş, Samet; Çağman, NaimLatterly, the fuzzy soft max-min decision-making method denoted by FSMmDM and provided in [Çağman, N., Engino?lu, S., Fuzzy soft matrix theory and its application in decision making, Iranian Journal of Fuzzy Systems, 2012, 9(1), 109-119] has been configured via fuzzy parameterized fuzzy soft matrices (-matrices) by Enginoğlu and Memiş [A configuration of some soft decision-making algorithms via-matrices, Cumhuriyet Science Journal, 2018, 39(4), 871-881], faithfully to the original. Although this configured method denoted by CE12 and constructed by and-product/or-product (CE12a/CE12o) is useful in decision-making, the method should be made more attractive in terms of time and complexity in the event that a large amount of data is processed. In this paper, we propose two algorithms denoted by EMC19a and EMC19o and being new generalisations of FSMmDM. Moreover, we prove that EMC19a accept CE12a as a special case in the event that the first rows of the-matrices are binary. Afterwards, we compare the running times of these algorithms. The results show that EMC19a and EMC19o outperform CE12a and CE12o, respectively, in any number of data. We then apply EMC19o to a decision-making problem in image denoising. Finally, we discuss the need for further research. © 2019, TUBITAK. All rights reserved.Öğe Adaptive cesáro mean filter for salt-and-pepper noise removal(TUBITAK, 2020) Enginoğlu, Serdar; Erkan, Uğur; Memiş, SametIn this study, we propound a salt-and-pepper noise (SPN) removal method, i.e. Adaptive Cesáro Mean Filter (ACmF), and provide some of its basic notions. We then apply ACmF to several test images whose noise densities range from 10% to 90%: 15 traditional test images (Baboon, Boat, Bridge, Cameraman, Elaine, Flintstones, Hill, House, Lake, Lena, Living Room, Parrot, Peppers, Pirate, and Plane) and 40 test images, provided in the TESTIMAGES Database. Afterwards, we compare ACmF with the state-of-art methods, such as Adaptive Weighted Mean Filter (AWMF), Different Applied Median Filter (DAMF), and Noise Adaptive Fuzzy Switching Median Filter (NAFSMF). The results by The Peak Signal to Noise Ratio (PSNR) and Structural Similarity (SSIM) show that ACmF performs better than the methods mentioned above. Moreover, we also compare the running time data of these algorithms. These results show that ACmF outperforms the methods except for DAMF. We finally discuss the need for further research. © 2020, TUBITAK. All rights reserved.Öğe Bazı esnek karar verme algoritmaları ve onların bilgisayar programı(Çanakkale Onsekiz Mart Üniversitesi, 2016) Memiş, Samet; Enginoğlu, SerdarEsnek kümeler 1999 yılında Molodtsov tarafından ortaya atıldı ve cebirden karar verme problemlerine kadar pek çok alana uygulandı. Esnek kümelerin teorik çalışmalarının giderek güçlenmesiyle, bu çalışmalarda yer alan - özellikle karar verme problemleri üzerine -uygulamaları daha cazip hale geldi. Ne var ki, günlük hayatta karşılaşılan problemler yüksek sayıda veri ve belirsizlik içermektedir. Bu nedenle, bahsedilen bu uygulamaların özel bir takım bilgisayar programları ile yapılmasını zorunlu kılmaktadır. Bu çalışmada, literatürde var olan karar verme uygulamalarında yer alan bazı algoritmalar, bulanık parametreli bulanık esnek matrisler yoluyla genelleştirildi. Daha sonra bu uygulamaların Visual Studio 2012 ve C# programlama dili yoluyla bilgisayar programı geliştirildi.Öğe Bulanık parametreli bulanık esnek matrislerin makine öğrenimine uygulamaları(Çanakkale Onsekiz Mart Üniversitesi, 2021) Memiş, Samet; Enginoğlu, Serdar; Erkan, UğurBu çalışmada, ilk olarak, bulanık parametreli bulanık esnek matrisler (fpfs-matrisler) üzerinde quasi-metrik, semi-metrik, pseudo-metrik ve metrik kavramları tanımlandı ve fpfs-matrisler üzerinde sekiz pseudo-metrik önerildi. Ardından, fpfs-matrisler üzerinde quasi-benzerlik, semi-benzerlik, pseudo-benzerlik ve benzerlik kavramları tanımlandı ve fpfs-matrisler üzerinde sekiz pseudo-benzerlik önerildi. Daha sonra, bu yeni kavramlar ve son zamanlarda fpfs-matrisler uzayına yapılandırılmış iki esnek karar verme metodu makine öğrenimindeki sınıflandırma problemlerine uygulandı. Sınıflandırma problemleri için FPFSCC, FPFSNHC, FPFSEC, FPFSCMC, FPFSAC ve FPFS-kNN olmak üzere toplamda altı makine öğrenimi algoritması geliştirildi. Geliştirilen algoritmaların simülasyonları için UCI makine öğrenimi veritabanındaki veri setleri ve doğruluk, kesinlik, duyarlık, makro F-skor ve mikro F-skor performans metrikleri kullanıldı. Sonrasında, önerilen yöntemlerin performans sonuçları, iyi bilinen ve güncel yöntemlerin performans sonuçlarıyla karşılaştırıldı. Friedman ve Nemenyi post-hoc testleri kullanılarak performans sonuçlarının istatistiksel değerlendirmesi yapıldı ve Nemenyi post-hoc testinin kritik diyagramları sunuldu. Performans sonuçları ve istatistiksel değerlendirmeler önerilen yöntemlerin göz önüne alınan veri setlerinde diğer yöntemlerden daha başarılı olduğunu göstermektedir. Son olarak, gelecek çalışmalar için önerilen yöntemler hakkında bir tartışmaya yer verildi.Öğe Distance and Similarity Measures of Intuitionistic Fuzzy Parameterized Intuitionistic Fuzzy Soft Matrices and Their Applications to Data Classification in Supervised Learning(MDPI, 2023) Memiş, Samet; Arslan, Burak; Aydın, Tuğce; Enginoğlu, Serdar; Camcı, ÇetinIntuitionistic fuzzy parameterized intuitionistic fuzzy soft matrices (ifpifs-matrices), proposed by Enginoğlu and Arslan in 2020, are worth utilizing in data classification in supervised learning due to coming into prominence with their ability to model decision-making problems. This study aims to define the concepts metrics, quasi-, semi-, and pseudo-metrics and similarities, quasi-, semi-, and pseudo-similarities over ifpifs-matrices; develop a new classifier by using them; and apply it to data classification. To this end, it develops a new classifier, i.e., Intuitionistic Fuzzy Parameterized Intuitionistic Fuzzy Soft Classifier (IFPIFSC), based on six pseudo-similarities proposed herein. Moreover, this study performs IFPIFSC’s simulations using 20 datasets provided in the UCI Machine Learning Repository and obtains its performance results via five performance metrics, accuracy (Acc), precision (Pre), recall (Rec), macro F-score (MacF), and micro F-score (MicF). It also compares the aforementioned results with those of 10 well-known fuzzy-based classifiers and 5 non-fuzzy-based classifiers. As a result, the mean Acc, Pre, Rec, MacF, and MicF results of IFPIFSC, in comparison with fuzzy-based classifiers, are 94.45%, 88.21%, 86.11%, 87.98%, and 89.62%, the best scores, respectively, and with non-fuzzy-based classifiers, are 94.34%, 88.02%, 85.86%, 87.65%, and 89.44%, the best scores, respectively. Later, this study conducts the statistical evaluations of the performance results using a non-parametric test (Friedman) and a post hoc test (Nemenyi). The critical diagrams of the Nemenyi test manifest the performance differences between the average rankings of IFPIFSC and 10 of the 15 are greater than the critical distance (4.0798). Consequently, IFPIFSC is a convenient method for data classification. Finally, to present opportunities for further research, this study discusses the applications of ifpifs-matrices for machine learning and how to improve IFPIFSC.Öğe Exponentially Weighted Mean Filter for Salt-and-Pepper Noise Removal(Springer Science and Business Media Deutschland GmbH, 2022) Enginoğlu, Serdar; Erkan, Uğur; Memiş, SametThis paper defines an exponentially weighted mean using an exponentially decreasing sequence of simple fractions based on distance. It then proposes a cutting-edge salt-and-pepper noise (SPN) removal filter—i.e., Exponentially Weighted Mean Filter (EWmF). The proposed method incorporates a pre-processing step that detects noisy pixels and calculates threshold values based on the possible noise density. Moreover, to denoise the images operationalizing the calculated threshold values, EWmF employs the exponentially weighted mean (ewmean) in 1-approximate Von Neumann neighbourhoods for low noise densities and k-approximate Moore neighbourhoods for middle or high noise densities. Furthermore, it ultimately removes the residual SPN in the processed images by relying on their SPN densities. The numerical and visual results obtained with MATLAB R2021a manifest that EWmF outperforms nine state-of-the-art SPN filters. © 2022, The Author(s), under exclusive license to Springer Nature Switzerland AG.Öğe Manisa ili pamuk ekim alanlarında yeşilkurt (Helicoverpa armigera HBN, Lepidoptera: Noctuidae)'un bazı biyolojik özelliklerinin belirlenmesi(Çanakkale Onsekiz Mart Üniversitesi, 2021) Memiş, Samet; Özpınar, AliManisa ili pamuk tarlalarında Helicoverpa armigera Hübner,1808 (Lepidoptera: Noctuidae)'nın bazı biyolojik özellikleri 2018-2019 yıllarında incelenmiştir. Çalışma için Şehzadeler ve Saruhanlı ilçe ve köylerinde üreticilere ait 5 tarla belirlenmiştir. Pamuk bitkisi ilk yıl 14-21 Nisan tarihlerinde ve ikinci yıl ise 25-27 Nisan tarihlerinde ekilmiştir. H. armigera ergin popülasyon gelişmesi delta ve funnel tuzaklarla incelenmiştir. Tuzaklara yakalanan erginler haftada bir kez sayılmış ve her parselde 3 farklı yerde 3 metre bitki sırasında H. armigera yumurta ve larvaları ile Chrysoperla carnea'nın yumurtaları kaydedilmiştir. 2018 yılında tüm parsellerde toplam 16 adet H. armigera ergini tuzaklara yakalanmıştır. 2019 yılında ise H. armigera'nın ergin uçuşu temmuz ayının ilk haftasından itibaren başlamış olup, ağustos ve eylül ayı ortasında 2 tepe noktası meydana gelmiştir. Örnekleme süresince Karaağaçlı'da 101, Selimşahlar'da 83, Yenimahmudiye'de 55, Mütevelli'de 77 ve Veziroğlu'nda 118 adet olmak üzere toplam 434 H. armigera ergini tuzaklara yakalanmıştır.Öğe Manisa İli Pamuk Üreticilerinin Bitki Koruma Problemleri(2021) Memiş, Samet; Özpınar, AliBitkisel üretimde ürün kayıplarına neden olan bitki koruma etmenleri doğası gereği ekolojik faktörlerin etkisinde olup, dinamiktir. Agro-ekosistemde uygun mücadele programını gerçekleştirmek bitki koruma sorunlarının iyi analiz edilmesine bağlıdır. Sorunlar hakkında üreticilerin yeterli bilgi düzeyine sahip olması zirai mücadele uygulamaların başarısını arttırmaktadır. Bu bağlamda Manisa Ovası (Şehzadeler ve Saruhanlı ilçeleri) pamuk üreticilerinin bitki koruma uygulamalarında karşılaştıkları sorunları belirlemek amacıyla 2019 yılında bir anket uygulanmıştır. Hazırlanan 20 soruluk anket, basit rastgele örnekleme yöntemine göre seçilen 35 yerleşim yerinin %65’inde ve 471 üreticinin %21.23’ü ile yüz yüze görüşülerek yapılmıştır. Üreticilerin %30’unun tarla ve %70’inin ise bağ bahçe tarımı yaptıkları ve tarla tarımı yapanların %21’inin pamuk ektikleri görülmüştür. Pamuk üretiminde, pazarlama, en önemli sorun olarak bildirilmiştir. Bitki koruma problemleri ise ikinci sırada yer almıştır. Çiftçiler pamuktaki önemli yabancıot türleri olarak Sorghum halepense (%42), Cynodon dactylon (%30) ve Solanum nigrum (%14) ve zararlılar olarak da Helicoverpa armigera (%40), Empoasca spp (%35) ve Tetranychus spp (%15)’yi bildirmişlerdir. Üreticilerin %72’sinin bitki koruma konusundaki tavsiyeleri bayilerden aldıkları ve teknik teşkilattan yeterince yararlanmadıkları belirlenmiştir. Üreticiler kimyasal mücadele dışındaki diğer yöntemleri de bildiklerini söylemelerine rağmen, bu yöntemler hakkında yeterince bilgi sahibi olmadıkları görülmüştür. Çiftçilerin bitki koruma konularında eğitime ihtiyaç duydukları; bu eğitimi %54’ü bayilerden ve %10’u ise tarım teşkilatında almak istemiştir.Öğe Numerical Data Classification via Distance-Based Similarity Measures of Fuzzy Parameterized Fuzzy Soft Matrices(Institute of Electrical and Electronics Engineers, 2021) Memiş, Samet; Enginoğu, Serdar; Erkan, UğurIn this paper, we first define eight pseudo-metrics and eight pseudo-similarities based on these pseudo-metrics overfpfs-matrices. We then propose a new classification algorithm, i.e. Fuzzy Parameterized Fuzzy Soft Euclidean Classifier (FPFS-EC), based on Euclidean pseudo-similarity. After that, we compare FPFS-EC with Support Vector Machines (SVM), Fuzzy k-Nearest Neighbor (Fuzzy kNN), Fuzzy Soft Set Classifier (FSSC), FussCyier, Fuzzy Soft Set Classification Using Hamming Distance (HDFSSC), and Fuzzy kNN Based on the Bonferroni Mean (BM-Fuzzy kNN) in terms of the performance criteria - namely accuracy, precision, recall, macro F-score, and micro F-score - and running time by using 18 real-world datasets in the UCI machine learning repository. The results show that FPFS-EC performs better in the occurrence of the 13 of 18 datasets in question than SVM, Fuzzy kNN, FSSC, FussCyier, HDFSSC, and BM-Fuzzy kNN.
