Browsing by Subject "WEKA"

Now showing 1 - 4 of 4
  • No Thumbnail Available
    Item
    Klasik Türk müziğinde makam tanıma için veri madenciliği kullanımı
    (Gazi Üniversitesi, 2017-12) Abidin, Didem; Özacar, Tuğba; Öztürk, Övünç; Abidin, Didem; Özacar, Tuğba; Öztürk, Övünç; Fakülteler > Mühendislik Ve Doğa Bilimleri Fakültesi > Bilgisayar Mühendisliği Bölümü
    Müzik eserlerinin sayısal ortama aktarılmasıyla birlikte, bilgisayar bilimleri müzikoloji çalışmalarının içerisinde kendine yer bulmaya başlamıştır. Müzik eserleri bilimsel araştırmalarda veri olarak kullanılmakta ve hesaplamalı müzik alanı bu alanda yapılan çalışmalar ile hızla gelişmektedir. Her ne kadar yapılan çalışmaların büyük bir bölümü sembolik olarak ifade edilmesi daha kolay olan Batı Müziği eserleri üzerine olsa da, Türk Müziği eserleri de artık çeşitli çalışmaların konusu olmaktadır. Türk Müziğinin temeli olan makam sistemi, bilgisayar bilimleri ile uğraşan araştırmacıların dikkatini çekmiş ve Türk Müziği eserler veri madenciliği, makine öğrenmesi, sınıflandırma gibi çalışmaların konusu olmuştur. Bu çalışmada, bir ses dosyasından nota tanıma ile elde edildiği varsayılan ve 1261 Türk Müziği eserine ait sadece nota dizilerini içeren veri dosyası üzerinde makine öğrenmesi metodu ile makam tahmini yapmaya yönelik deneysel bir çalışma gerçekleştirilmiştir. Music XML biçimindeki eserlerin makine öğrenmesi uygulamasında kullanılabilmesi amacıyla bir yazılım geliştirilmiş, bu yazılımla makine öğrenmesinde başarımı arttırmak için özgün veri kümesine dört farklı türetilmiş veri sahası eklenmiştir. Sonuç olarak, ‘Rastgele Orman’algoritması ile makam tanımada %89,7 oranında başarım gözlemlenmiştir.
  • No Thumbnail Available
    Item
    Movie rating prediction with machine learning algorithms on IMDB data set
    (2018-05-11) Abidin, Didem; Bostancı, Caner; Site, Atakan; Abidin, Didem; Fakülteler > Mühendislik Ve Doğa Bilimleri Fakültesi > Bilgisayar Mühendisliği Bölümü
    Predicting movie success with machine learning algorithms has become a very popular research area. There are many algorithms which can be applied on a data set to make movie success prediction if the data set is prepared and represented properly. In this study, we explained how IMDB movie data was used for movie rating prediction. The data set extracted from IMDB was formatted and prepared for datamining algorithms. These algorithms were executed on WEKA application environment and the performances in movie ratings and confusion matrices were obtained. The seven machine learning algorithms used have performed well on the data set with varying performance ratings of 73.5% to 92.7%. Random Forest algorithm had the best performance of 92.7%. This is the highest score obtained among similar studies.
  • No Thumbnail Available
    Item
    Using classification algorithms for Turkish Music Makam recognition
    (Selçuk Üniversitesi, 2018-09) Abidin, Didem; Özacar Öztürk, Tuğba; Öztürk, Övünç; Abidin, Didem; Özacar Öztürk, Tuğba; Öztürk, Övünç; Fakülteler > Mühendislik Ve Doğa Bilimleri Fakültesi > Bilgisayar Mühendisliği Bölümü
    Turkish Music pieces are used in various studies including makam recognition in computational music domain. Turkish Music pieces offer a rich content to the researchers because of their different makam properties. SymbTr is one of the most referred Turkish Music data sets in this area. In this study, the pieces from SymbTr data set belonging to 13 makams are used to execute 10 different machine learning algorithms for makam recognition and the performances of these algorithms are evaluated. These algorithms were executed on WEKA application environment and the performances in makam recognition were obtained with F-measure and recall metrics. The machine learning algorithms performed between 82% and 88%.
  • No Thumbnail Available
    Item
    Effects of image filters on various image datasets
    (ICCTA, 2019-04-16) Abidin, Didem; Abidin, Didem; Fakülteler > Mühendislik Ve Doğa Bilimleri Fakültesi > Bilgisayar Mühendisliği Bölümü
    Image classification is a very common research area, on which researchers work with various classification techniques. The aim of this study is to apply different filters on four different datasets and evaluate their performances in image classification. The study was performed in WEKA environment with Random Forest algorithm and image filters are applied to the datasets one by one and as a combination. Filter combinations got better performance than applying single filter on data. Filter combinations got the worst result on artworks with a percentage of 83.42%. However they were very successful on classifying the images in natural images dataset with a performance of 99.76%.