Ediz, BülentSığırlı, Deniz2019-12-202019-12-202006Sığırlı, D. (2006). Sınıflandırma probleminin çözümlenmesinde yapay sinir ağları ile diskriminant analizinin karşılaştırılması ve bir uygulama. Yayınlanmamış yüksek lisans tezi. Uludağ Üniversitesi Sağlık Bilimleri Enstitüsü.http://hdl.handle.net/11452/3693Bu çalışmada, yapay sinir ağı modellerinin açıklanması, diskriminant analizi yöntemi ile bazı yapay sinir ağı modelleri arasındaki ilişkilerin incelenmesi ve bir uygulama üzerinde yapay sinir ağı modelleri ile diskriminant analizi yönteminin doğru sınıflandırma performanslarının karşılaştırılması amaçlanmıştır. Uludağ Üniversitesi Tıp Fakültesi Uygulama ve Araştırma Hastanesi Gastroenteroloji servisine başvuran ve yapılan tetkik-incelemeler ile kronik karaciğer parenkim hastalığı düşünülerek karaciğer biyopsisi uygulanması sonucunda Hepatit B ve C virüslerine bağlı kronik hepatit veya siroz tanısı alan hastalara ilişkin geriye dönük olarak toplanmış olan veri setine diskriminant analizi ve yapay sinir ağları uygulanmıştır. Yapılan analizler sonucunda, diskriminant analizi için elde edilen modelin genel doğruluk yüzdesi % 93,94 olarak, yapay sinir ağları tekniği için ise % 100 olarak hesaplanmıştır. Çalışmaya alınan veri seti için yapay sinir ağlarının diskriminant analizine göre daha yüksek “doğru sınıflandırma oranına” sahip olduğu görülmüştür.In this study, it is aimed to describe the artificial neural network models, to examine the relationships between the discriminant analysis method and artificial neural networks and to compare the classification effectivities of discriminant analysis and artificial neural networks on a real data set. Discriminant analysis and artificial neural networks have been applied to a data set, which have been collected retrospectively from the patients that had been administered to the Uludag University Medical Faculty Gastroentorolgy service and had been diagnosed with chronic hepatitis related to hepatitis B and C viruses, according to the result of biopsy application which have been applied in contemplation of chronic liver parenchymal disease after the axaminations. As a result of the analysis, correct classification ratio of the model obtained from the discriminant analysis and artificial neural network was calculated respectively as 93.94% and 100%. It have been found that, artificial neural networks has got greater “true classification rate” than the discriminant analysis for this data set.III, 59 sayfatrinfo:eu-repo/semantics/openAccessDiskriminant analiziYapay sinir ağlarıDoğru sınıflandırma oranıDiscriminant analysisArtificial neural networksCorrect classification ratiomasterThesis