14 sonuçlar
Arama Sonuçları
Listeleniyor 1 - 10 / 14
Öğe Güneş ışınım tahmini için farklı tahmin yöntemlerinin karşılaştırılması: Güneydoğu Anadolu Bölgesi örneği(Batman Üniversitesi Fen Bilimleri Enstitüsü, 2019-10-08) Akıl, Yahya; Yılmaz, MusaFosil yakıtların azalması ve çevre kirliliğinin artışından dolayı ülkemizde potansiyeli yüksek olan güneş enerjisi çok önemli hale gelmiştir. İhtiyaç duyulan enerji arzının güneş enerjisinden elde edilmesi için kurulacak güneş santrallerinin fizibilite çalışmaları yapılmalıdır. Bu çalışmalar için güneş ışınımı miktarının tespit edilmesi ve uygun bölgelerin seçilmesi gerekmektedir. Işınım profili için gerekli girdilerin ölçülmesi ve elde edilen girdiler vasıtasıyla işinim profilinin uygun yöntemler ile tahmininin yapılması gereklidir. Böylece kurulacak tesisin veriminin belirlenmesi sağlanmış olacaktır. Bundan dolayı, bu çalışma, yatırımcılar açısından, yatırım yapılacak alanın uygunluğunu belirlemeye imkân tanıyacaktır. Bu çalışma kapsamında; Güneydoğu Anadolu Bölgesinde bulunan beş İl’de (Diyarbakır, Şanlıurfa, Gaziantep, Batman ve Mardin) güneş ışınım profili tahmini için on farklı yöntem incelenmiştir. Her bir il için Temel Bilesen Analizi (TBA) uygulayarak ve TBA uygulanmaksızın sonuçlar elde edilmiştir. Bu sonuçlar analiz edilerek uygun yöntemler belirlenmiştir. TBA uygulandığında sonuçlarda belirgin iyileşme saptanmıştır. Lineer regresyon yöntemi TBA uygulanmaksızın sonuçlar incelendiğinde; tüm iller için en uygun yöntem olduğu görülmektedir. TBA uygulayarak elde edilen sonuçlar açısından ise, beş il içinde Lineer destek vektör makinesi en uygun yöntem olarak tespit edilmiştir. TBA özellik çıkarımı sağlayarak; verimliliği artırmakla kalmamış aynı zaman da hangi parametrelerin doğru tahmin yapmada önemli olduğunu da göstermiştir. TBA uygulanarak güneş ışınım süresinin %83 ile doğru tahminde bulunması açısından en önemli parametre olduğu görülmüştür.Öğe Sentinel-1 sar görüntülerinin, derin öğrenme teknikleri kullanılarak müsilaj bölgelerinin otomatik olarak tespit edilmesindeki rolü: Marmara Denizi Armutlu-Zeytinbağı'nda bir vaka çalışması(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2023-07-04) Bakış, Enes; Acar, EmrullahDoğada bulunan çeşitli nesnelerin tespit edilmesi, türlerin tanımlanması ve bu türlerin keşfedilmesi günümüz dünyasında büyük önem arz etmektedir. Aktif ve pasif görüntüleme sistemleri bu doğrultuda hem ekonomik hem de kolaylık bakımından avantajlı bir konumdadır. Son zamanlarda ülkemizde yaşanan müsilaj olayları hem deniz yaşamı hem de insan hayatı için ciddi riskler oluşturmaktadır. Bu çalışmada obje olarak Mayıs 2021'de meydana gelen müsilaj olayından büyük ölçüde etkilenen bölgelerden birindeki su alanları seçilmiştir. Çalışma alanı olarak Marmara Denizi'nde Armutlu-Zeytinbağı arasındaki bölge seçilmiştir. Musilaj bölgesinden toplam 1300 örnek manuel olarak seçilmiş ve GPS yardımıyla kayıt altına alınmıştır. Seçilen bu örnekler 17 Mayıs–22 Mayıs arası müsilajlı alan, 21 Haziran–22 Haziran arası temiz alan olarak (toplam 2600 örnek) seçildikten sonra Sentinel-1 uydu görüntüleri yardımıyla zaman serileri kullanılarak görüntü analizleri yapılmıştır. Bu görüntü analizleri, Sentinel-1 spektral bant parametreleri (VV-VH) kullanılarak yapılmıştır. VV-VH spektral bant görüntülerinin yansıma değerlerini gösteren sayısal veriler excel ortamına aktarılarak 2 adet özgün veri seti elde edilmiştir. Elde edilen veri setlerine ayrı ayrı derin öğrenme ve makine öğrenmesi modelleri uygulanarak bu müsilajlı bölgesinin otomatik olarak tespit edilmesi amaçlanmıştır. Uygulamalı derin öğrenme (LSTM, CNN) ve makine öğrenmesi modellerimizin (DT, NB, SVM, RF, SGD) başarısının yüksek (84%-100%) olduğu gözlemlenmiştir. Uygulanan derin öğrenme ve makine öğrenmesi yöntemleri ile müsilaj bölgelerinin daha kolay tespit edilmesi ve bu bölgelere erken müdahale edilmesi amaçlanmıştır.Öğe Meme kanserinin iyi huylu veya kötü huylu durum tespitinde derin öğrenme modellerinin kullanılması(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2023-02-27) Ateş, Feyzi Ferat; Çalışkan, AbidinMeme kanseri, meme de bulunan bağ dokusu ve buna bağlı olan kanal bölgelerinde oluşan ve oluşan bu hücrelerin normalin dışında hareketlerinden meydana gelen bir kanser türüdür. Yoğun olarak kadınlarda görülmekte olup, en yaygın rastlanan kanser çeşitlerindendir. Hastalık erkenden fark edilmeği zaman kan ve lenf damarları yoluyla diğer organlara kanserli hücreler etki edebilir (metastaz durumu). Yapılan araştırmalara göre genel olarak tüm kanser çeşitlerinde erken tanı ve tedavi önemlidir. Bu çalışmada meme kanserinin iyi huylu ve kötü huylu türleri arasında sınıflandırma yapabilen yapay zekâ tabanlı erken tanı sistemi önerilmiştir. Önerilen yaklaşımda artık bloklu evrişimsel sinir ağı modelleri kullanıldı. ResNet modellerinin son katmanına yeni bir tam bağlantılı katman eklenerek tür tabanlı öznitelikler çıkartıldı. Bir sonraki aşamada tam bağlantılı katmanlardan elde edilmiş öznitelikler birleştirilerek yeni bir özellik seti oluşturuldu. Oluşturulan bu özellik seti ile sınıflandırma oluşturulurken softmax ve makine öğrenim yöntemleri kullanıldı. Çalışmada önerilen yaklaşım ile sınıflandırma oluşturulma adımlarında kullanılan tüm yöntemlerden %100 genel doğruluk başarısı elde edildi. Bu çalışmada tam bağlantılı katmanların elde edilmesi ve birleştirilmesi deneysel analizlerin geliştirilen çalışmada performansa olumlu yönde etki ettiği gözlemlenmiştir.Öğe Landsat 8 uydu görüntü indeksleri kullanılarak tarımsal ürünlerin makine öğrenme yöntemleri ile tespit edilmesi(Batman Üniversitesi Fen Bilimleri Enstitüsü, 2021-02-15) Altun, Müslime; Acar, EmrullahGelişen uydu görüntü teknolojilerinden elde edilen spektral özellikler makine öğrenme teknikleri ile birlikte kullanıldığında, küçük bir alan üzerindeki verilerle eğitilen sistem sayesinde büyük bir alan üzerindeki tarımsal ürünlerin kısa zamanda yüksek doğruluk oranı ile tespiti mümkündür. Bu çalışmada, uydu görüntü indeksleri ve farklı makina öğrenme teknikleri kullanılarak tarımsal ürünlerin tespiti amaçlanmıştır. İlk aşamada, tespiti yapılacak nesnenin üzerinde bulunduğu alana ait Landsat-8 uydu görüntüleri temin edilmiş ve nesne olarak tarımsal ürünler kullanılmıştır. Tarım ürünleri içerisindeki gelişme ve hasat zamanları göz önünde bulundurularak buğday ve mercimek ürünlerinin yoğunlukta olduğu bir tarım arazisi seçilmiştir. Görüntülerdeki yansıma indekslerinin hesaplanması için tarımsal ürünlerin gelişim ve hasat zamanına yakın olduğu bir zaman dilimi seçilmiş; 2018 yılının Mayıs ve Ağustos aylarına karşılık gelen Landsat-8 uydu görüntüleri kullanılmıştır. Daha sonra, pilot tarım alanı içerisinde belirlenen örnek noktalara karşılık gelen koordinatlar, Landsat-8 uydu görüntüleri üzerine aktarılmış ve uydu görüntülerinin 4. ve 5. bantlarına denk gelen yansıma indeksleri yardımıyla, bu noktalar için NDVI değerleri hesaplanmıştır. Son aşamada, elde edilen NDVI indeks değerleri farklı makine öğrenme tekniklerinin (K En Yakın Komşu, Destek Vektör Makineleri ve Naive Bayes) girişlerinde kullanılarak tarımsal ürünler (Mercimek ve Buğday) tespit edilmiştir. Sonuç olarak, en iyi performansa %86,4 ortalama doğruluk ile Naive Bayes yöntemiyle ulaşılmıştır. Ayrıca, gelişim dönemine ait uydu görüntüsünden elde edilen NDVI değerlerinin tespit aşamasında daha yüksek performans gösterdiği gözlemlenmiştir.Öğe Nörolojik krizlerden epilepsi nöbetinin kestirimi(Batman Üniversitesi Fen Bilimleri Enstitüsü, 2020-07-23) Dal, Süleyman; Sezgin, NecmettinToplumda sara adıyla bilinen epilepsi hastalığı Dünya Sağlık Örgütü (WHO) tahminlerine göre dünya nüfusunda %0,4-1 insanı etkileyen ciddi ve yaygın nörolojik bir hastalıktır. Anlık ve tekrarlayıcı nöbetlerle karakterize olan epilepsi hastalığı çocukluk ve yetişkinlik çağında daha sık ortaya çıkmasıyla beraber hemen her yaş grubunda insanı etkilemektedir. Genelde bilinç kaybı, hareket bozukluğu gibi sadece nöbet ve nöbeti takip eden birkaç saatlik zaman dilimini etkileyen ancak ilaçlarla kontrol altına alınabilen geçici durumlar oluşturmaktadır. Epileptik nöbetlere benzer krizler geçiren epileptik olmayan (pseudo veya yalancı) nöbetlerin de olması teşhisi güçleştirmektedir. Epilepsi hastalarının nöbetlerinin epileptik olup olmadığı (bunun için sık ve güvenilir tanı yöntemi kriz anında video-EEG ölçümüdür) ve kullanılacak ilaçlarının dozu hasta geçmişine bağlı olarak belirlenmektedir. Epileptik nöbet geçirdiği şüphesi ile uzman hekime müracaat eden hastaların %10-20'sinin epilepsi hastası olmadığı belirlenmiştir. Hastanın epileptik ilaçlara verdiği tepki temel alınarak bunun tespitinin, tedavinin başladığından ortalama 7,2 yıl sonra belirlenebilmektedir. Bu tez çalışmasında çeşitli sensörler (EMG, EKG, İvmeölçer gibi) yardımıyla epileptik nöbetlerin kestirimi için gelişen teknolojiyle entegre bir yaklaşım önerilmiştir. Çalışmanın ana amacı epileptik nöbetlerin kestirimi için yapılan işlem maliyetini azaltacak bir test rutini oluşturmaktır. Dicle Üniversitesi Tıp Fakültesi Nöroloji Bölümünde tedavi gören hastalardan epileptik bir nöbet sürecinde alınan veri seti kullanılarak çeşitli yöntemler ile optimize edilmiş ve daha sonra elde edilen özelliklerle beraber Aşırı Öğrenme Makineleri (ELM) ile sınıflandırılmıştır.Öğe XRD’de X-ışını kırınım verilerinin yapay zekâ yöntemleri ile analizi(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-10-14) Kalkan, Ali Özcan; Ertuğrul, Ömer FarukBu tezde, X-Işını Kırınımı (XRD) verilerinin yapay sinir ağları (ANN) ve k-En Yakın Komşu (kNN) algoritmaları kullanılarak analiz edilmesi incelenmiştir. XRD, kristal yapılarının belirlenmesinde yaygın olarak kullanılan güçlü bir teknik olmasına rağmen, karmaşık ve doğrusal olmayan verilerin analizi geleneksel yöntemlerle sınırlı kalmaktadır. Bu çalışmada, XRD verilerinin analizine yapay zeka temelli makine öğrenimi tekniklerinin entegre edilmesiyle, bu sınırlamaların aşılması hedeflenmiştir. Tez kapsamında, Erzurum ve çevresinden alınan volkanosedimanter kayaç örneklerinden elde edilen XRD verileri üzerinde ANN ve kNN algoritmaları uygulanmıştır. ANN, malzeme özelliklerini yüksek doğrulukla tahmin edebilmiş ve kristal yapılar arasındaki karmaşık ilişkileri etkili bir şekilde modellemiştir. KNN algoritması ise, XRD verilerinde faz ve kristal yapıların sınıflandırılmasında başarıyla kullanılmıştır. Farklı K değerleri ile yapılan deneyler, küçük K değerlerinin yerel yapılara daha duyarlı olduğunu, büyük K değerlerinin ise daha genelleştirilebilir tahminler sunduğunu ortaya koymuştur. Ayrıca, model performansını değerlendirmek için gelişmiş çapraz doğrulama teknikleri kullanılmıştır. Bu teknikler, aşırı öğrenme riskini azaltarak, modelin genelleme yeteneğini artırmıştır. Çalışmada kullanılan ANN ve kNN modelleri, faz değişimlerinin tespitinde ve kristal yapıların sınıflandırılmasında önemli başarılar elde etmiştir. Bu tez, XRD verilerinin analizinde yapay zeka temelli yöntemlerin uygulanabilirliğini göstermiş ve bu alandaki bilimsel araştırmaların daha derinlemesine ve doğru sonuçlara ulaşmasına katkı sağlamıştır.Öğe Derin öğrenme yöntemi ile metinsel ifadelerde duygu analizi(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-08-18) Yıldız, Nuray; Kaya, YılmazBu çalışmada, Türkçe metinlerde kullanıcı yorumlarının duygu analizini gerçekleştirmek amacıyla makine öğrenmesi ve derin öğrenme yöntemlerinin etkinliği incelenmiştir. Beyaz eşya ürünlerine ait kullanıcı yorumları, Trendyol ve Hepsiburada gibi popüler e-ticaret platformlarından toplanmış ve analiz edilmiştir. Kelime bulutu yöntemi kullanılarak, yorumlardaki en sık geçen kelimeler görselleştirilmiştir. Olumlu yorumlarda "yüksek performans", "iyi fiyat", "memnun kaldım", "kurulumu kolay" gibi ifadeler öne çıkarken, olumsuz yorumlarda "gecikme", "kötü koku", "kalite kontrol eksikliği", "servis problemi" gibi ifadeler dikkat çekmiştir. Bu analizler, kullanıcıların genel memnuniyet düzeylerini ve karşılaştıkları sorunları görselleştirerek, işletmelere ürün ve hizmetlerini iyileştirmeleri konusunda içgörüler sunmaktadır. Makine öğrenmesi yöntemleri arasında SVM, KNN ve Naive Bayes (NB) algoritmaları kullanılarak sınıflandırma işlemleri gerçekleştirilmiştir. %80-20 eğitim-test oranları ile NB modeli %94.02 başarı oranı ile en yüksek performansı sergilemiştir. SVM modeli %93.42, KNN modeli ise %86.75 başarı oranı elde etmiştir. NB modeli, kesinlik, hatırlama ve F1 ölçütlerinde de yüksek performans göstermiştir. Derin öğrenme yöntemleri olarak LSTM ve 1D-CNN kullanılmış ve farklı eğitim-test oranları ile başarı oranları incelenmiştir. LSTM modeli %92.42, 1D-CNN modeli ise %91.42 başarı oranı ile iyi performanslar sergilemiştir. Sonuç olarak, Naive Bayes modeli en yüksek başarı oranını elde ederek diğer modellere kıyasla en iyi performansı göstermiştir. Derin öğrenme yöntemlerinden LSTM ve 1D-CNN de yüksek başarı oranları ile dikkate değer performanslar sunmuştur. Bu çalışma, e-ticaret sektöründe kullanıcı yorumlarının duygu analizinde makine öğrenmesi ve derin öğrenme yöntemlerinin etkili olduğunu ortaya koymaktadır. Bu tür analizler, işletmelere müşteri geri bildirimlerini daha iyi değerlendirme ve müşteri memnuniyetini artırma konusunda önemli avantajlar sağlayabilir.Öğe Ortaokul öğrencilerinin başarılarını etkileyen faktörlerin veri bilimi ve makine öğrenmesi yöntemleri kullanılarak analiz edilmesi(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-10-13) Öztekin, Ferit; Sezgin, NecmettinBu çalışma, ortaokul düzeyindeki öğrenci başarılarını etkileyen faktörlerin belir-lenmesi ve analiz edilmesi amacıyla veri bilimi ve makine öğrenmesi yöntemlerinin kulla-nılmasını hedeflemektedir. Eğitimde veri odaklı bir yaklaşımın önemini vurgulayan bu ça-lışma, öğrenci başarısını etkileyen karmaşık faktörlerin anlaşılmasına ve eğitim politikala-rının daha etkili bir şekilde tasarlanmasına katkı sağlamayı amaçlamaktadır. Çalışmanın temel odak noktası, ortaokul seviyesindeki öğrencilerin başarılarını etkileyen faktörlerin belirlenmesidir. Öğrenci başarısını etkileyen faktörler arasında öğrenci özellikleri, aile fak-törleri, okul ortamı ve öğretmen faktörleri gibi çeşitli değişkenler bulunmaktadır. Bu fak-törlerin belirlenmesi, eğitim sisteminin zayıf noktalarını tespit etmek ve öğrencilerin başa-rısını artırmak için bireyselleştirilmiş müdahalelerde bulunmak için önemlidir. Bu çalışma, Batman-Merkez Ortaokullarında öğrencilere başarı düzeylerini etkileyebilecek faktörleri belirlemek amacıyla yapılmıştır. Çalışma kapsamında öğrencilere başarı düzeylerini etkile-yebilecek faktörleri değerlendirmek için bir form verilerek doldurmaları istenmiştir. Öğ-rencilerin bu formları doldurmasıyla elde edilen yanıtlar ile ders dönemi ortalamaları ilgili okullardan alınmıştır. Bu veriler, veri bilimi ve makine öğrenmesi yöntemleri kullanılarak analiz edilmiştir. Veri bilimi ve makine öğrenmesi yöntemleri, büyük veri setlerini analiz etmek ve öğrenci başarısını etkileyen faktörleri tanımlamak için güçlü araçlar sunar. Veri analizi için grafik türleri, regresyon modelleri ve sınıflandırma gibi yöntemler kullanılarak öğrenci başarısını etkileyen faktörler belirlenmiş ve öğrencilerin ders ortalaması tahmin edilerek öğrencinin zayıf noktaları tespit edilerek bireyselleştirilmiş çözüm sunmuştur. Bu çalışmanın sonuçları, eğitimcilerin, eğitimde idari birimlerin, velilerin ve öğrencilerin orta-okul düzeyindeki öğrenci başarılarını artırmak için daha etkili stratejiler geliştirmesine yar-dımcı olabilir. Ayrıca, veri bilimi ve makine öğrenmesi gibi yenilikçi yöntemlerin eğitim araştırmalarında nasıl kullanılabileceğine dair bir örnek sunarak, bu alanda gelecekteki araştırmalara da katkı sağlayabilir.Öğe Uzaktan algılama verileri kullanılarak yapay zekâ ile deprem sonrası hasar tespiti(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-12-31) Kaya, Serkan; Acar, EmrullahDeprem meydana gelen büyüklüğe bağlı olarak oldukça yıkıcı etkilere sebep olabilmektedir. Özellikle Türkiye’de 6 Şubat 2023 tarihinde meydana gelen 7.7 ve 7.6 büyüklüğündeki depremler örnek olarak verilebilir. Hatay bu iki büyük depremden fazlasıyla etkilenmiş ve çok geçmeden 20 Şubat tarihinde 6.4 büyüklüğünde üçüncü bir deprem daha yaşamıştır. Her üç depremde çok fazla sayıda insan yaralanmış, hayatını kaybetmiş, binalar hasar görmüş veya yıkılmıştır. Depremin sebep olduğu hasarı tespit etmek ise kurtarma ve yardım faaliyetlerinin bölgeye koordineli ve hızlı bir şekilde iletilebilmesi konusunu gündeme getirmiştir. Depremlerin kısa süreli aralıklarla meydana gelmesi deprem sonrası bina hasarı tespitinin ivedilikle yapılması gerektiği gerçeğini gözler önüne sermiştir. Çalışmada, Hatay iline ait deprem sonrası uzaktan algılama yöntemi ile elde edilen Sentinel-2 uydusu tarafından çekilen görüntüler kullanılmıştır. Bu görüntülerden ulaşılan veriler makine öğrenmesi yöntemi türü olan gözetimli öğrenme modeline ait beş algoritma (destek vektör makinesi, karar ağaçları, Naive Bayes ve k-NN ve ensemble) tarafından çözümlenmiştir. K-En yakın komşuluk (KNN) modeli ile % 85.1; karar ağaçları (Decision Tree-DT) modeli ile % 81.6; destek-vektör matrisi ile %62.1; Navie Bayes modeli ile %66.8 ve Ensemble modeli ile % 86 başarı oranı sağlanmıştır. Çalışma sayesinde deprem sonrası bina hasar tespitine ait görüntü yansıma verilerinin yapay zekâya öğretilmesi ile daha hızlı sonuç elde edildiği görülmüştür. Çalışmanın amacı bu işlevin gerçekleşmesi ile yardım faaliyetlerinin koordinasyonunun hızlı bir şekilde yerine getirilmesidir.Öğe Gen dizilerinin tanımlanması ve sınıflandırılması amacıyla yapay zekâ sistemlerinin geliştirilmesi(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-10-25) Çiftçi, Bahar; Tekin, RamazanDünya genelinde milyarlarca virüs türü bulunmakta ve en küçük parazit varlıklar olan virüsler ciddi bir tehdit oluşturmaktadır. Virüslerin geniş çeşitliliği ve hızlı evrimi göz önüne alındığında, bulaşma dinamiklerini daha iyi anlamak ve hedefe yönelik tedavilerin geliştirilmesini kolaylaştırmak amacıyla viral türlerin ve potansiyel konakçılarının hızlı ve doğru bir şekilde sınıflandırılmasına ihtiyaç duyulmaktadır. Bu kapsamda, çalışmada patojenik tek sarmallı RNA virüslerinden oluşan ve farklı viral türler ile konakçılar içeren PhyVirus veri seti incelenmiştir. Tez, üç ana bölümden oluşmakta olup her bölüm, genetik dizilerin sınıflandırılmasına farklı bir perspektiften yaklaşmaktadır. İlk bölümde, K-Mer kodlama yöntemi ile viral aileler ve konakçılar, Random Forest, Gradient Boosting, Extra Trees ve Tam Bağlantılı Derin Sinir Ağı (FCDNN) gibi Makine Öğrenmesi ve Derin Öğrenme algoritmaları kullanılarak sınıflandırılmıştır. FCDNN yöntemiyle virüs ailelerinin %99,60 başarı oranıyla tahmin edilmesi, çalışmanın önemli sonuçlarından biridir. Konak tahmininde ise en yüksek başarı %81,53 oranıyla ExtraTrees sınıflandırıcısı ile elde edilmiştir. Gen dizilerinde K-Mer kodlamaya dayanan farklı kelime uzunluklarının, viral ailelere ve konakçılara göre sınıflandırmaya etkisi değerlendirilmiş, sınıflandırma sonuçlarına ve literatür araştırmasına dayanarak konakçılar arasındaki akrabalık, genetik benzerlikler ve evrimsel ilişkiler incelenmiştir. İkinci bölümde, gen dizilerinin grafik ve görüntü tabanlı kodlama teknikleri (FCGR, DNAWalk, Gri Ölçekli Dönüşüm) kullanılarak sınıflandırılması gerçekleştirilmiştir. Bu teknikler, bir CNN modeli (InceptionV3) ile analiz edilmiş ve Gri Ölçekli Dönüşüm yöntemi ile %99,89 olarak doğruluk oranına ulaşılmıştır. DNAWalk uygulamasında gen dizisi yörünge görüntüleri %99,14 doğruluk oranıyla sınıflandırılmıştır. FCGR uygulamasında ise k'nın 3 ile 8 değerleri arasında gerçekleştirilen kodlamalarda en yüksek doğruluk %99,85 olarak elde edilmiştir. Bu tekniklerle yapılan kodlamalar, viral aileler ve konakların daha doğru sınıflandırılmasına olanak tanımıştır. Mevcut literatür incelendiğinde, gen dizilerinin farklı kodlama yöntemleriyle bir veri seti üzerinde uygulanıp bu yöntemlerin sınıflandırma performansına etkilerinin kapsamlı şekilde analiz edildiği başka bir çalışma bulunmamaktadır. Bu tez çalışmasının, bu alandaki önemli bir boşluğu doldurarak literatüre anlamlı bir katkı sunması amaçlanmaktadır. Gen dizileri, çeşitli biyolojik ve teknik süreçlerden geçerek analiz için hazır hale getirilmektedir. Ancak bu süreçlerin herhangi bir aşamasında ortaya çıkabilecek hatalar, gen dizilerinde eksik verilere neden olabilmektedir. Literatürde sıkça tartışılan eksik veri tahmini, genellikle verilerin hizalanmış olmasını gerektiren mevcut yöntemlere dayanmaktadır. Tezin üçüncü bölümünde, eksik veri tahmin yöntemleri ele alınmış ve KNN-Imputation yöntemi için yeni bir yaklaşım geliştirilmiştir. PhyVirus veri setindeki gen dizilerinin farklı uzunlukları, mevcut eksik veri tahmin yöntemlerinin doğrudan uygulanmasını engellemiştir. Bu sorun, geliştirilen KNN-Imputation yaklaşımıyla çözülerek çalışmaya özgün bir katkı sağlanmıştır. Bu tez, genetik dizilerin kodlanması, sınıflandırılması ve eksik verilerin tahmini için yenilikçi yaklaşımlar geliştirmeyi ve bu yöntemlerin biyoinformatik araştırmalarda nasıl kullanılabileceğini ortaya koymayı amaçlamaktadır. Elde edilen sonuçlar, viral genom analizi ve sınıflandırma süreçlerine yeni metodolojik katkılar sunarak, bu alandaki bilimsel çalışmalara önemli bir referans niteliğinde olmayı hedeflemektedir.
