Tez No	İndirme	Tez Künye	Durumu
464703	Bu tezin, veri tabanı üzerinden yayınlanma izni bulunmamaktadır.Yayınlanma izni olmayan tezlerin basılı kopyalarına üniversite kütüphaneniz aracılığı ile (TÜBESS üzerinden) erişebilirsiniz.	Karmaşık evrimsel ağlarda sınıflandırma ve bağlantı tahmini / Node classification and link prediction on complex evolving networks Yazar:İSMAİL GÜNEŞ Danışman: DOÇ. DR. ZEHRA ÇATALTEPE ; DOÇ. DR. ŞULE ÖĞÜDÜCÜ Yer Bilgisi: İstanbul Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Genetik algoritmalar = Genetic algorithms ; Yapay zeka = Artificial intelligence ; Zaman serileri analizi = Time series analysis	Onaylandı Doktora Türkçe 2014 166 s.
Bu çalışmada Karmaşık Ağların zamanla değişimleri incelenmiş ve bu değişim bilgisi, ağ üzerindeki bazı sorunların çözümü için kullanılmıştır. İlk olarak, ağ üzerinde geçmişte meydana gelen etkileşim zamanlarının, düğüm sınıflandırma üzerindeki etkileri ortaya çıkarılmıştır. İlgili zaman etkilerinin öğrenilmesi için Genetik Algoritma tabanlı bir yöntem önerilmiştir. Önerilen yöntem sayesinde, ağa yeni eklenen bir düğümün daha yüksek bir başarımla sınıflandırılması sağlanmıştır. Ağ üzerindeki zaman bilgisi, sınıflandırmaya ek olarak bağlantı tahmini için de kullanılmıştır. Ağda bulunan düğümler arası benzerliklerin zaman içindeki değişimleri incelenmiş ve bu değişim zaman serileri kullanılarak modellenmiştir. Bu sayede iki düğümün gelecekte bağlanma olasılıkları tahmin edilmiştir. Önerilen yöntem kullanılarak hem mevcut yöntemlere oranla daha yüksek tahmin başarımı elde edilmiş hem de geçmişte doğrudan etkileşime girmemiş iki düğüm arasında dahi bağlantı tahmini yapılabilmesi sağlanmıştır. Ayrıca önerilen bağlantı tahmini yöntemi, sınıflandırma başarımını arttırmak için de kullanılmıştır. Böylelikle, bu çalışmada önerilen ve zaman bilgisini kullanan iki farklı yöntem birleştirilmiş, literatürde bulunan diğer yöntemlere oranla daha yüksek sınıflandırma başarımı elde edilmiştir.
In this study, the evolution of Complex Networks are examined and this temporal information is used to resolve some problems in the network. First, the effects of past interaction times on the classification performance is discovered. A genetic algorithm based method is proposed to learn the time effects. By means of the proposed method, even a new node may be classified accurately. In addition to node classification, the time information on a network is utilized for link prediction, as well. The evolution of node similarities over time is studied and this evolution is modelled using time series. Therefore, the likeliness of a given node pair to be connected in the future is estimated. The proposed method outperforms the baseline methods and achieves to predict future links between two nodes which have never been connected before. Besides, the proposed link prediction method is utilized to improve the performance of the proposed classification method. In this manner, two proposed methods which take advantage of using time information are combined and the classification performances of current baseline methods are exceeded.