Yazar "Uzel, Vahide Nida" seçeneğine göre listele

Listeleniyor 1 - 3 / 3
  • [ X ]
    Öğe
    Detecting android malware by using fuzzy set-based weighting method and firefly optimization algorithm
    (Adana Alparslan Türkeş Bilim ve Teknoloji Üniversitesi, 2020) Uzel, Vahide Nida; Eşsiz, Esra Saraç
    Android işletim sistemi açık kaynak kodlu olması, kolay kullanılabilir olması ve diğer birçok özelliği ile kullanıcıya hitap etmesi sayesinde telefonlarda çok tercih edilen bir işletim sistemi haline gelmiştir. Bunun bir sonucu olarak, kötü niyetli insanların hedefi olmuştur. Android işletim sistemine Google Play Store'dan veya 3.parti uygulama sağlayıcılar tarafından yüklenen uygulamalar, diğer bir adıyla Android paket dosyaları, içerisinde kötücül yazılımlar ile birlikte gelmeye başlamıştır. Bu tür kötücül yazılımları tespit etmek için bu zamana kadar çok çeşitli analizler ve tespitler yapılmıştır. Kötücül yazılımları tespit ederken çeşitli yöntemler ile güzel sonuçlar alınmış olsa bile, tespit etme yöntemleri geliştikçe kötücül yazılımların kendilerini gizleme yöntemleri de aynı oranda artmaya başlamıştır. Bu çalışmada Ateş Böceği Optimizasyon algoritması tabanlı yeni bir nitelik seçim yöntemi önerilmiştir. Buna ek olarak sıklıkla kullanılan ağırlıklandırma yöntemi TF-IDF ağırlıklandırmanın yanı sıra Bulanık Küme Tabanlı ağırlıklandırma yöntemi de kullanılarak sonuçları kıyaslanmıştır. Yapılan testler önerilen nitelik seçimi yönteminin geleneksel nitelik seçim yöntemlerine göre daha iyi sonuçlar verdiğini göstermiştir. Alınan sonuçlara göre Ateş Böceği Optimizasyon algoritması sınınflama performansı ve sınıflama süresi anlamında kötücül yazılım tespitinde kabul edilebilir bir algoritmadır. Buna ek olarak, TF-IDF ve Bulanık Küme Tabanlı ağırlıklandırma yöntemlerinin deneyleri Bulanık Küme Tabanlı ağırlıklandırma yönteminin nitelik seçimi yapılmadığı durumlarda TF-IDF ağırlıklandırma yönteminden daha iyi sonuçlar verdiğini göstermiştir.
  • [ X ]
    Öğe
    Prediction of Students' Academic Success Using Data Mining Methods
    (IEEE, 2018) Uzel, Vahide Nida; Turgut, Sultan Sevgi; Ozel, Selma Ayse
    Success is very important for all of us. Most people wants prosperity, reputation, and richness that can only be achieved with the success. A society that wants to be successful should pay attention to their new generation because they are the future of the world. If we want to invest to our future, we must contribute to success of our new generations. Therefore, in this study, the academic performance of the students that belong to different levels of education like primary, secondary, and high school levels is tried to be determined by applying various classification methods such as Multilayer Perceptron (MLP), Random Forest (RF), Naive Bayes (NB), Decision Tree (J48), and Voting classifiers. It is also observed which characteristics are more related to the improvement of academic performance of the students. Features like absence of student, parent's school satisfaction, raising hands on class, and parent who is responsible for the student can affect the success of the student. A comparison is made with other study that previously worked on the same data set. As a result, better classification accuracy is achieved. We observe the best classification accuracy as 80.6% by Voting classifier, while the previous study has the highest accuracy as 79.1% by applying Artificial Neural Network (ANN) classifier. Also, in our study, Apriori algorithm is applied to detect relationships between features.
  • [ X ]
    Öğe
    Using Fuzzy Sets for Detecting Cyber Terrorism and Extremism in the Text
    (IEEE, 2018) Uzel, Vahide Nida; Essiz, Esra Sarac; Ozel, Selma Ayse
    The concept of Cyber Security (CS) has been started to be used with the development of Internet technology. Nowadays, CS has vital importance and Cyber Terror and Extremism (CTE) is one of the CS problems. Terror must be detected before terrorism comes true. In other words, people who commit the crime must be detected automatically before they move on. At this stage, what people say about some issues is very valuable because sayings can be turned into actions. The aim of this study is to use Antisocial Behavior dataset to try to detect CTE in the text contents. To detect CTE, text documents should be converted to numerical vectors which consist of numerical weights of the terms present in the text documents. Vectors are computed by using four different weighting methods in our study. These methods are the well-known binary weighting, term frequency based weighting, term frequency and inverse document frequency based weighting, and our proposed fuzzy set based weighting methods. Naive Bayes Multinomial (NBM) and Support Vector Machines (SVM) are used as classifiers to compare the performances of the weighting methods for CTE detection. Our experimental analysis shows that fuzzy set based weighting method with SVM classifier gives the best classification accuracy which reaches up to 99%.