Tez No	İndirme	Tez Künye	Durumu
746946		Feature selection for diagnosing coronavirus disease by neural network and caledonian crow learning algorithm / Yazar:MOKHALAD ABDULAMEER KADHIM ALSAEEDI Danışman: DR. ÖĞR. ÜYESİ SEFER KURNAZ Yer Bilgisi: Altınbaş Üniversitesi / Lisansüstü Eğitim Enstitüsü / Elektronik ve Bilgisayar Sistemleri Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Elektrik ve Elektronik Mühendisliği = Electrical and Electronics Engineering Dizin:COVID 19 = COVID 19 ; Korona virüsler = Coronaviridae ; Makine öğrenmesi = Machine learning ; Öge seçimi = Feature selection ; Öğrenme algoritmaları = Learning algorithms	Onaylandı Doktora İngilizce 2022 75 s.
COVID-19 hastalığı son aylarda dünyada yaygınlaşmaya başladı. COVID 19, hızla yayılan ölümcül bir solunum yolu hastalığıdır. COVID-19'u teşhis etmenin bir yolu hastalık, hasta ile ilgili veri ve bilgileri kullanmaktır. Veri madenciliği ve makine öğrenimi tıpta çeşitli enfeksiyonları analiz etmek için araçlardır. Veri madenciliği için bir meydan okuma ve COVID-19 hastalığını teşhis etmek için makine öğrenimi yöntemleri, çok sayıda makine öğrenimi için hastalığın özellikleri. Makine öğrenimi sayısını artırmak girdiler, sağlıklı ve hastalıklı insanları sınıflandırmanın doğruluğunu azaltabilir. Bu nedenle, Bu çalışma, yeni Caledonian (NC) karga öğrenmesine dayalı özellik seçme yöntemleri algoritması (NCCLA) tanıtıldı. Önerilen algoritmalarda ilk aşamada, COVID-19 hastalığı ile ilgili en iyi özellikler karga öğrenme tarafından seçilir algoritma. Yapay zekaya eğitim girdisi olarak kullanılarak COVID-19 hastalığının özellik seçimi sinir ağı. Bir Brezilya hastanesinde COVID-19 hastalığı veri seti üzerinde deneyler karga öğrenme algoritmasının öznitelik seçme amaç fonksiyonunu şu şekilde azalttığını gösterin: yineleme. Özellik seçim fonksiyonunun azaltılması, hatanın azaltılmasından kaynaklanmaktadır. enfekte insanları sağlıklı olarak sınıflandırmak ve özellik sayısını azaltmak. deneyler için önerilen yöntemin doğruluğunu, duyarlılığını, kesinliğini ve F1'ini gösterin. COVID-19 hastalarını teşhis edenlerin oranı sırasıyla %94.31, %94.15, %94.38 ve %94.27'dir. COVID-19 hastalarını tanımlamak için önerilen yöntem YSA'dan daha doğrudur, CNN, CNNLSTM, CNNRNN, LSTM, RNN yöntemleri.
COVID-19 disease has become prevalent in the world in recent months. COVID19 is a fatal respiratory disease that spreads rapidly. One way to diagnose COVID-19 the disease is to use patient-related data and information. Data mining and machine learning are tools for analyzing a variety of infections in medicine. A challenge to data mining and machine learning methods for diagnosing COVID-19 disease is the large number of features of the disease for machine learning. Increasing the number of machine learning inputs can reduce the accuracy of classifying healthy and diseased people. Therefore, in this study, feature selection methods based on the new Caledonian (NC) crow learning algorithm (NCCLA) have been introduced. In the proposed algorithms, in the first stage, the best features related to COVID-19 disease are selected by the crow learning algorithm. Features-selecting of COVID-19 disease using as training input to the artificial neural network. Experiments on the COVID-19 disease dataset in a Brazilian hospital show that the crow learning algorithm reduces the feature selection objective function by iteration. Decreasing the feature selection function is due to reducing the error of classifying infected people as healthy and reducing the number of features. Experiments show that the accuracy, sensitivity, precision, and F1 of the proposed method for diagnosing COVID-19 patients are 94.31%, 94.15%, 94.38%, and 94.27%, respectively. The proposed method for identifying COVID-19 patients is more accurate than ANN, CNN, CNNLSTM, CNNRNN, LSTM, RNN methods.