Multivariate Time Series Clustering Using Variable Order Markov Models and Its Applications on Cyber-Physical Systems
General Material Designation
[Thesis]
First Statement of Responsibility
Sürmeli, Barış Gün
Subsequent Statement of Responsibility
Tümer, Mustafa Borahan
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
Marmara Universitesi (Turkey)
Date of Publication, Distribution, etc.
2019
GENERAL NOTES
Text of Note
78 p.
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
Master's
Body granting the degree
Marmara Universitesi (Turkey)
Text preceding or following the note
2019
SUMMARY OR ABSTRACT
Text of Note
Siber-Fiziksel Sistemler'den elde edilen Çok-değişkenli Zaman Serileri (CZS) verisi, sistemin karakteristik özellikleri hakkında değerli bilgiler içermektedir. Bir Makine Öğrenmesi yöntemi olan, Çok-değişkenli Zaman Serileri (CZS) Kümelemesi, sistemin değişik çalışma aralıklarında gösterdiği davranışların arasındaki benzerlikleri açığa çıkarmak için kullanılabilir. Sistem hakkındaki bu bilgiler, hata tespiti, sistem bakımı ve kök neden analizi gibi görevlerin gerçekleştirilmesi için ön bilgi sağlayabilir. Bu tezde, her bir CZS'yi, istatistiksel bir yöntem olan Değişken Dereceli Markov Zincirleri (DDMZ) ile modellenmiş, ve elde edilen bu modelleri karşılaştırarak aralarındaki uzaklıkları/benzerlikleri hesaplamak için kullanılmak üzere yeni bir metrik sunulmuştur. Elde edilen bu ikili uzaklıklar baz alınarak DDMZ'ler kümelendirilmiş ve bu şekilde CZS Kümelemesi görevi sonuçlandırılmıştır. Biri Gizli Markov Modelleri, diğeri ise Temel Bileşenler Analizi kullanarak CZS'leri modelleyen iki yöntem karşılaştırma amacıyla açıklanmıştır. Sunulan yöntemin üstünlüğü, biri siber-fiziksel laboratuvar göstericisinden elde edilmiş, diğeri ise endüstriyel bulaşık makinesi üretim fabrikasından elde edilmiş iki veri seti üzerinde yapılan deneylerle doğrulanmıştır. Ayrıca, yeni bir DDMZ öğrenme yöntemi sunulmuş ve üç CZS Kümeleme yöntemi için hesaplama karmaşıklığı tartışılmıştır.