Tez No	İndirme	Tez Künye	Durumu
357267		Biyoinformatik uygulamalarında makine öğrenme yöntemlerinin geliştirilmesine yönelik çok kriterli yaklaşım / Multi-criteria approach to development of machine learning methods in bioinformatics Yazar:ZELİHA GÖRMEZ Danışman: PROF. DR. AHMET SERTBAŞ ; DR. HÜSEYİN ŞEKER Yer Bilgisi: İstanbul Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Biyoloji = Biology Dizin:Analitik hiyerarşi süreci = Analytical hierarchy process ; Biyobelirteçler = Biomarkers ; Boyutsal indirgeme = Dimensional reduction ; Çok amaçlı karar verme = Multiobjective decision making ; Çok kriterli optimizasyon = Multi criteria optimization	Onaylandı Doktora Türkçe 2014 157 s.
Biyo-işaretçi seçimi genom sonrası elde edilen yüksek boyutlu biyolojik verilerin analizlerinin önemli bir parçasıdır ve biyo-işaretçilerin temsil gücü en yüksek alt kümesini seçmeyi hedefler. Ancak, biyolojik verilerin yüksek boyutlu yapıda olması nedeniyle, seçim süreci çok zor bir iştir. Bu süreç, veri setindeki örnek varyasyonlarından (değişintilerden) ve seçim metotundan da bağımsız olmalıdır.Bu çalışmada, çok amaçlı optimizasyon yöntemi olan Pareto Optimallik (PO) ile çok kriterli karar verme yöntemi olan Analitik Hiyerarşi Proses (AHP) yöntemini birleştiren yeni bir karmametot önerilmiştir. Yöntem farklı biyo-işaretçi seçim yöntemleri ile de kullanılabilmektedir. Bu çalışmada önerilen çok kriterli yaklaşımlar çeşitli yüksek boyutlu biyolojik veriler üzerinde test edilmiştir. Alınan sonuçlar PO yönteminin biyolojik verilerde tanımlanmış problem ile ilgili öznitelikleri başarılı bir şekilde seçtiğinigöstermiştir. Ayrıca AHP yönteminin seçilmiş az sayıda biyo-işaretçinin kendi arasında önceliklendirilmesinde kullanılabileceğini de gösterilmiştir
Bio-marker selection is the important part of high dimensional biological data, that is obtain from post-genome, analysis and it aims finding most representative subset of the bio-markers. But selection process is a challenging task due to the high dimensional nature of gene expression data. This should also be independent of sample variations in the dataset. In this paper we present a novel hybrid method that incorporates a multi-objective optimization method, called Pareto Optimal approach (PO) with a multi-criteria decision making method, called Analytical Hierarchy Process (AHP). The method is further supported with different bio-marker selection methods. The multi-criteria approaches proposed in this study were tested on various high-dimensional biological data. The results show that PO method selects the features related to the defined problem in biological data successfully. Furthermore; the results also show that AHP method could be used to prioritize a few selected bio-markers among themselves.