Tez No	İndirme	Tez Künye	Durumu
670608		Creating intelligent management system for Turkey on ontological sensor data / Ontolojik sensor verileri üzerine Türkiye için akıllı yönetim sistemi oluşturma Yazar:MEHMET MİLLİ Danışman: DR. ÖĞR. ÜYESİ ÖZLEM AKTAŞ Yer Bilgisi: Dokuz Eylül Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora İngilizce 2021 200 s.
Son yıllarda, sensorların her sistemde kullanılabilecek kadar küçülmeleri, akademik ortamdaki olumlu gelişmeler ve fiyatların düşmesi sonucu sensorlara duyulan ilgiyi arttırmıştır. Sensor tabanlı sistemler Endüstriyel alanlar başta olmak üzere günlük yaşamın her alanına hızla yayılmıştır. Kullanım alanı önemli ölçüde artan sensor tabanlı sistemlerden elde edilen çok fazla miktarda ham sensor verisi, ortak bir çerçevede yapılandırılması, paylaşılması ve yönetilmesi de dahil olmak üzere temelde yeni bir dizi araştırma zorlukları ortaya çıkarmaktadır. Sensor verilerinin farklı algılayıcı tabanlı sistemler arasında entegrasyonu konusunda bugüne kadar pek çok akademik çalışma bulunsa da bu çalışmalar genel olarak verilerin anlamsal entegrasyonu yerine sözdizimi olarak entegrasyonuna odaklanmıştır. Günümüzde, sensor verilerine daha gelişmiş erişim sağlamak ve ek açıklamalar eklemek için sensor verilerinin anlamını zenginleştirmemizi sağlayan anlamsal sensor web yaklaşımı, bazı araştırmacılar tarafından bu sorunların çözümünde kritik bir teknoloji olarak görülmüştür. Bu tezin en büyük amacı anlamsal sensor ontolojisini genişleterek farklı platformlardan gelen heterojen sensor verileri için standart bir veri modeli sağlamaktır. Önerilen sistem Abant İzzet Baysal Üniversitesi bünyesinde bulunan Uygulama Merkezi ve Yoğun Bakım Ünitesinde toplanan sensor verileri ile test edilmiştir. Seçilen kullanım durumlarında toplanan sensor verileri önerilen çatıya eklenmiş ve RDF veri seti oluşturulmuştur. Oluşturulan RDF veri seti üzerinde klasik makine öğrenmesi algoritmaları entegre edilmiş ve farklı açılardan karşılaştırılmıştır.
In recent years, sensors have become smaller enough to be used in every system, positive developments in the academic environment, and a decrease in prices have increased the interest in sensors. Sensor-based systems have spread rapidly to all areas of daily life, especially in industrial areas. Massive amounts of raw sensor data from sensor-based systems, the area of use of which has increased considerably, pose a fundamentally new set of research challenges, including their structuring, sharing, and management in a common framework. Although there are many academic studies on the integration of sensor data between different sensor-based systems, these studies focused on the integration of the data as syntax rather than semantic integration. Nowadays, the semantic sensor web approach, which enables us to enrich the meaning of sensor data in order to provide more advanced access to sensor data and add annotations, has been seen by some researchers as a critical technology in solving these problems. The grand goal of this thesis is to provide a standard data model for heterogeneous sensor data from different platforms by extending the ontology of semantic sensor networks. The proposed system was tested using 8 indoor parameters collected in the Application and Research Center and Intensive Care Unit within Abant Izzet Baysal University. Sensor data collected from selected use-cases were added to the proposed framework and an RDF data set was created. Classic machine learning algorithms have been implemented on the RDF data set created and compared from different angles.