Korkmaz, Sedat
Loading...
Profile URL
Name Variants
Korkmaz, Sedat
Job Title
Email Address
skorkmaz@ktun.edu.tr
Main Affiliation
10.01. Department of Computer Engineering
Status
Current Staff
Website
ORCID ID
Scopus Author ID
Turkish CoHE Profile ID
Google Scholar ID
WoS Researcher ID
Research Topics
Domains
Physical Sciences
Fields
Computer ScienceEngineering
Subfields
Artificial IntelligenceComputational Theory and MathematicsElectrical and Electronic EngineeringIndustrial and Manufacturing Engineering
Specific Research Areas
Metaheuristic Optimization Algorithms Research
Advanced Multi-Objective Optimization Algorithms
Imbalanced Data Classification Techniques
Electricity Theft Detection Techniques
Vehicle Routing Optimization Methods
Sustainable Development Goals
SDG data is not available
Documents
7
Citations
242
h-index
6
Documents
5
Citations
190
Publication Collaboration
| Affiliation Name | Count |
|---|---|
| Selçuk University | 5 |
| Konya Technical University | 4 |
| Sağlık Bilimleri Üniversitesi | 1 |
1 / 1
Data obtained from OpenAlex
Scholarly Output
9
Articles
5
Views / Downloads
36/57
Supervised MSc Theses
2
Supervised PhD Theses
1
WoS Citation Count
128
Scopus Citation Count
158
Patents
0
Projects
0
WoS Citations per Publication
14.22
Scopus Citations per Publication
17.56
Open Access Source
5
Supervised Theses
3
| Journal | Count |
|---|---|
| Applied Soft Computing | 1 |
| Engineering Science and Technology, an International Journal | 1 |
| ENGINEERING SCIENCE AND TECHNOLOGY-AN INTERNATIONAL JOURNAL-JESTECH | 1 |
| EXPERT SYSTEMS WITH APPLICATIONS | 1 |
| Knowledge-Based Systems | 1 |
Current Page: 1 / 1
Scopus Quartile Distribution
Competency Cloud
9 results
Scholarly Output Search Results
Now showing 1 - 9 of 9
Article Citation - WoS: 58Citation - Scopus: 76A Discrete Tree-Seed Algorithm for Solving Symmetric Traveling Salesman Problem(ELSEVIER - DIVISION REED ELSEVIER INDIA PVT LTD, 2020-08-01) Çınar, Ahmet Cevahir; Korkmaz, Sedat; Kıran, Mustafa ServetTree-Seed algorithm (TSA) is a recently developed nature inspired population-based iterative search algorithm. TSA is proposed for solving continuous optimization problems by inspiring the relations between trees and their seeds. The constrained and binary versions of TSA are present in the literature but there is no discrete version of TSA which decision variables represented as integer values. In the present work, the basic TSA is redesigned by integrating the swap, shift, and symmetry transformation operators in order to solve the permutation-coded optimization problems and it is called as DTSA. In the basic TSA, the solution update rules can be used for the decision variables whose are defined in continuous solution space, this rules are replaced with the transformation operators in the proposed DTSA. In order to investigate the performance of DTSA, well-known symmetric traveling salesman problems are considered in the experiments. The obtained results are compared with well-known metaheuristic algorithms and their variants, such as Ant Colony Optimization (ACO), Genetic Algorithm (GA), Simulated Annealing (SA), State Transition Algorithm (STA), Artificial Bee Colony (ABC), Black Hole (BH), and Particle Swarm Optimization (PSO). Experimental results show that DTSA is another qualified and competitive solver on discrete optimization. (C) 2019 Karabuk University. Publishing services by Elsevier B.V.Doctoral Thesis İkili Optimizasyon Problemlerinin Çözümü için Yapay Alg Algoritması Tabanlı Yeni Yaklaşımlar(Konya Teknik Üniversitesi, 2019) Korkmaz, Sedat; Kıran, Mustafa ServetSon yıllarda optimizasyon problemlerinin çözümü için birçok yeni algoritma önerilmiştir. Bu algoritmalar genellikle doğadaki canlıların bireysel davranış şekillerinden, içgüdüsel hareketlerinden ve birbirleri ile aralarındaki akıllı etkileşimlerinden esinlenilerek geliştirilmişlerdir. Önerilen algoritmalar genellikle belirli bir problem çeşidine veya karakteristiğine sahip problemleri çözecek şekilde tasarlanmaktadır. Daha sonra yapılan çeşitli iyileştirmeler ve geliştirmeler neticesinde yönteme farklı karakteristikteki problemleri de çözebilme yeteneği kazandırılmaktadır. Örneğin, sürekli optimizasyon problemlerini (karar değişkenleri belirli bir aralıktaki tüm değerleri alabilen problemler) çözmek için önerilmiş bir algoritma, ikili optimizasyon problemlerini (karar değişkenleri sadece 0 yada 1 değerlerini alabilen problemler) çözecek şekilde geliştirilebilir. Bu tez kapsamında, karar değişkenleri sürekli değerler alan problemler için, doğada var olan mikroalglerin davranışlarından ilham alınarak geliştirilen Yapay Alg Algoritması (AAA) yeni ve özgün yöntemler geliştirilerek ikili optimizasyon problemlerini çözebilecek şekilde iyileştirilmiştir. Bu bağlamda 3 (üç) adet yeni ve özgün yöntem geliştirilmiştir. Önerilen ilk yöntemde, popülasyondaki alg kolonileri ikili değerler ile ilklendirilerek yeni aday çözümlerin elde edilebilmesi için helisel hareket fazı, ikili değerler ile çalışabilecek şekilde yeniden uyarlanmıştır. Helisel hareket fazında, seçilen komşu çözümün rastgele belirlenmiş üç adet boyutunun değerleri, belirli bir olasılığa bağlı olarak mantıksal değil (not) işlemine tabi tutularak aday çözüme kopyalanmaktadır. Geliştirilen binAAA yönteminde adaptasyon parametresi hem adaptasyon sürecinin işletilip işletilmemesine karar vermek için, hem de bu süreçte etkilenecek boyutların belirlenmesi için kullanılmıştır. Önerilen binAAA yöntemi Kapasitesiz Tesis Yerleşim Problemleri (Uncapacitated Facility Location Problems-UFLP) üzerinde çalıştırılmış ve elde edilen sonuçlar binABC, BPSO, GA, DisABC, IBPSO ve ABCbin algoritmalarının sonuçlarıyla karşılaştırılmıştır. binAAA yöntemi, ayrık çözüm uzayında çalışması, hem yerel (local) hem de küresel (global) aramada yetenekli bir arama stratejisine sahip olması nedeni ile ikili optimizasyon problemlerini çözme konusunda, karşılaştırılan diğer yöntemler ile eşit veya daha iyi sonuçlar üretmektedir. Önerilen ikinci yöntem, yeni aday çözümler üretebilmek için iki farklı güncelleme mekanizması barındırmaktadır. Bu mekanizmanın ilki, lojik özel veya (xor) operatörü kullanarak aday çözümler üretirken, ikinci mekanizmada ise ilk mekanizmadan edinilen bilgi kullanılarak stigmerjik (stigmergic) davranış temelinde yeni çözümler üretilmektedir. Önerilen SAAA (Stigmerjik AAA) yönteminde başlangıç çözümleri ikili değerler ile ilklendirilmekte, adaptasyon parametresi hem adaptasyon sürecinin işletilip işletilmemesine karar vermek için, hem de bu süreçte etkilenecek boyutların belirlenmesi için kullanılmıştır. SAAA yönteminin performansı hem UFLP hem de nümerik fonksiyonlar üzerinde araştırılmıştır. UFLP seti üzerinde, BAAA yönteminin 2 farklı versiyonu, GA yöntemin 3 farklı versiyonu ve BPSO yöntemi ile kıyaslanmıştır. İkinci karşılaştırma için ise CEC2015 (bound constrained single-objective computationally expensive numerical optimization problems) test seti kullanılmış ve önerilen yöntemin performansının değerlendirilebilmesi için SBHS, HS, BLDE, BHTPSO-QI, GBABC, BQIGSA ve SabDE yöntemleri ile kıyaslanmıştır. Bütün sonuçlar genel olarak incelendiğinde, önerilen algoritma sadece düşük boyutlu problemlerde değil, aynı zamanda yüksek boyutlu problemler için de dengeli bir keşif ve sömürü kabiliyeti sunmaktadır. Ayrıca önerilen algoritmanın, çözüm kalitesi, yakınsama özellikleri ve sağlamlık açısından araştırmada ele alınan ikili optimizasyon problemlerini çözmede etkili ve verimli bir algoritma olduğu görülmektedir. Tez çalışmasında PI-AAA (Popülasyon Etkili AAA) ismi ile önerilen üçüncü yöntemde de ilklendirme ikili değerler ile yapılmaktadır. Yeni ikili aday çözümlerin üretilebilmesi için popülasyon etkisi (population influence) yaklaşımı sunulmuş ve bu yaklaşım AAA'nın çalışmasıyla bütünleştirilmiştir. PI-AAA yönteminde, aday çözümler üretebilmek için, mevcut çözüm, en iyi çözüm ve alg kolonilerinden rastgele seçilen komşu çözümler kullanılmaktadır. Bu çözümler ile yapılan olasılık hesaplamaları neticesinde yeni aday çözümler üretilmektedir. Olasılık değerleri PI-AAA algoritmasına yönteme özgü kontrol parametresi olarak tanımlanmıştır. Önerilen yöntemin performansı için kontrol parametrelerinin değerlerinin önemli olması nedeniyle, parametrelerin etkileri analiz edilmiş ve bu parametreler için en uygun değerin belirlenmesi amaçlanmıştır. Temel AAA'daki adaptasyon aşaması, karar değişkenleri ikili değerler alan bireyler ile çalışabilmesi için yeniden uyarlanmıştır. Önerilen PI-AAA yönteminin performansı, ilk olarak UFLP seti üzerinde ABC, GA, PSO, EDA algoritmaları ile karşılaştırılmıştır. PI-AAA yönteminin etkinliğini kanıtlamak adına yapılan ikinci karşılaştırma CEC2015 problem seti üzerinde gerçekleştirilmiştir. Elde edilen sonuçlar, önerilen PI-AAA'nın karşılaştırmalarda daha iyi veya eşit performans gösterdiğini ve önerilen yaklaşımın rekabetçi bir ikili optimizasyon algoritması olduğunu göstermektedir. Sonuç olarak bu tez kapsamında, ikili optimizasyon problemlerini çözmek için AAA yöntemi temel alınarak binAAA, SAAA ve PI-AAA isimleri ile 3 (üç) adet yeni ikili optimizasyon algoritması geliştirilmiştir. Deneysel çalışmalardan elde edilen sonuçlar incelendiğinde, önerilen yöntemler çözüm kalitesi, standart sapma ve yakınsama özellikleri açısından ikili optimizasyon problemlerini çözmede alternatif, rekabetçi ve sağlam oldukları görülmektedir. Bu bağlamda bu tez ile literatüre ikili optimizasyon alanında bir katkı sağlanmıştır.Article Citation - WoS: 10Citation - Scopus: 13Discrete Artificial Algae Algorithm for Solving Job-Shop Scheduling Problems(Elsevier B.V., 2022-11-01) Şahman, Mehmet Akif; Korkmaz, SedatThe Job-Shop Scheduling Problem (JSSP) is an NP-hard problem and can be solved with both exact methods and heuristic algorithms. When the dimensionality is increased, exact methods cannot produce proper solutions, but heuristic algorithms can produce optimal or near-optimal results for high-dimensional JSSPs in a reasonable time. In this work, novel versions of the Artificial Algae Algorithm (AAA) have been proposed to solve discrete optimization problems. Three encoding schemes (Random-Key (RK), Smallest Position Value (SPV), and Ranked-Over Value (ROV) Encoding Schemes) were integrated with AAA to solve JSSPs. In addition, the comparison of these three encoding schemes was carried out for the first time in this study. In the experiments, 48 JSSP problems that have 36 to 300 dimensions were solved with 24 different approaches obtained by integrating 3 different coding schemes into 8 state-of-the-art algorithms. As a result of the comparative and detailed analysis, the best results in terms of makespan value were obtained by integrating the SPV coding scheme into the AAA method. © 2022 Elsevier B.V.Master Thesis Doğal Dil İşleme ve Makine Öğrenmesi Yöntemleri Kullanılarak Stilometri Analizi ile Türkçe Metinlerde Eser – Yazar Eşleştirme(Konya Teknik Üniversitesi, 2023) Doğan, İbrahi̇m; Korkmaz, SedatTeknolojinin ve internetin yaygınlaşmasıyla birlikte birçok alanda olduğu gibi gazetecilik alanında da değişimler ve gelişmeler meydana gelmiştir. Çevrim içi gazeteler, birçok unsuru içerisinde barındırabilmesi ve daha büyük kitlelere hitap etmesi nedeniyle çok sayıda gazete sahibinin ve bu alanda hizmet veren yazarın yoğun ilgisini üzerine çekmiştir. Bu kapsamda; geleneksel yöntemlerle yayın yapmakta olan gazeteler dijital ortamda hizmet verebilmek için hızla bu değişim sürecine dahil olmuş ve böylelikle internet üzerinden hizmet veren medya kuruluşlarının sayısında kısa süre içerisinde önemli ölçüde artış meydana gelmiştir. Gazetecilik alanında meydana gelen bu gelişmeler, farklı alanlarda eser veren yazarların aynı platform üzerinde okuyucular ile buluşmasına olanak sağlayarak birçok alanda sayısız eser verilmesinde etkili olmuştur. Ancak söz konusu bu olumlu gelişmelerin yanı sıra veri sayısında meydana gelen artış istenilen ve doğru veriye erişimi zorlaştırmıştır. Bunun sonucunda özellikle anlamsız verilerden anlamlı verilerin çıkarılması ve verilerin belirli niteliklere göre sınıflandırılması konuları önem kazanmıştır. Bu çalışmada elektronik ortamda gazete yazarlığı yapan kişilerin yazmış olduğu yazılar sayısal üslup analizi, yapay zekânın bir alt dalı olan doğal dil işleme ile makine öğrenmesi yöntemleri kullanılarak analiz edilmiş ve söz konusu yazıların hangi yazarlar tarafından yazıldığının doğru eşleştirilebilmesi amaçlanmıştır. Veri seti üzerinde veri ön işleme çalışmaları tamamlanarak veri seti optimizasyonu sağlanmış ve daha sonra Zemberek kütüphanesi fonksiyonları kullanılarak doğal dil işleme süreçleri ile öznitelik çıkarma işlemleri gerçekleştirilmiştir. Son olarak çalışmada kullanılan makine öğrenmesi sınıflandırma algoritmalarından hangisinin yazar-eser eşleştirmelerinde daha başarılı olduğuna karar verebilmek için karşılaştırma yapılmış ve model seçiminin buna bağlı olarak belirlenmesi hedeflenmiştir.Article Citation - WoS: 36Citation - Scopus: 41Debohid: a Differential Evolution Based Oversampling Approach for Highly Imbalanced Datasets(PERGAMON-ELSEVIER SCIENCE LTD, 2021-05-01) Kaya, Ersin; Korkmaz, Sedat; Şahman, Mehmet Akif; Çınar, Ahmet CevahirClass distribution of the samples in the dataset is one of the critical factors affecting the classification success. Classifiers trained with imbalanced datasets classify majority class samples more successfully than minority class samples. Oversampling, which is based on increasing the minority class samples, is a frequently used method to overcome the class imbalance. More than two decades, many oversampling methods are presented for the class imbalance problem. Differential Evolution is a metaheuristic algorithm that achieves successful results in a lot of domains. One of the main reasons for this success is that DE has an effective candidate individual generation mechanism. In this work, we propose a novel oversampling method based on a differential evolution algorithm for highly imbalanced datasets, and it is named as DEBOHID (A differential evolution based oversampling approach for highly imbalanced datasets). In order to show the success of DEBOHID, 44 highly imbalanced ratio datasets are used in experiments. The obtained results are compared with nine different state-of-art oversampling methods. In order to show the independence of the experimental results to classifier, Support Vector Machines (SVM), k-Nearest Neighbor (kNN), and Decision Tree (DT) are used as a classifier in the experiments. AUC and G Mean metrics are used for the performance measurements. The experimental results and statistical analyses have shown the triumph of the DEBOHID.Master Thesis Şiir Kategorisinin Doğal Dil İşleme Yöntemleri Kullanılarak Tahmin Edilmesi(Konya Teknik Üniversitesi, 2023) Yönet, Emre; Korkmaz, SedatDoğal dil işleme; insanlar tarafından kullanılan dillerin (doğal dil) bilgisayarlar tarafından anlaşılmasını, yorum ve cevap üretilmesini sağlayan bilgisayar bilimleri ve dilbilim yöntemlerinin birlikte kullanıldığı bir bilim alanıdır. Doğal dil işleme, insanlarla bilgisayarların etkileşimini artırmak ve özellikle büyük veri setleri üzerinde çalışan kurumlar ve araştırmacılar için doğal dil verilerini analiz etmeyi ve anlamayı kolaylaştırmak amacıyla kendine birçok uygulama alanı bulmuştur. Bu uygulama alanlarından bir tanesi de metinlerin sınıflandırılmasıdır. Bu tezde, metin formatında olan ve farklı kategoride yazılmış olan şiirlerin önceden etiketlenmiş olan kategorilere göre sınıflandırılması üzerine çalışma yapılmıştır. Çalışmada web kazıma yöntemi ile elde edilen ve 4198 adet şiirden oluşan veri seti kullanılmıştır. Veri seti üzerinde 13 farklı doğal dil işleme adımları uygulanmıştır. Söz konusu işlemlerin yapılabilmesi için Zemberek Kütüphanesi kullanılmıştır. Sınıflandırma işlemi için altı farklı makine öğrenmesi algoritması kullanılmış, elde edilen sonuçlar değerlendirilmiş ve model performansını artırmaya yönelik hiperparametre analizi yapılmıştır. Hiperparametre analizi için GridSearchCV ve RandomizedSearchCV yöntemleri kullanılmıştır. Sınıflandırma algoritmalarının sonuçları kıyaslandığında en yüksek doğruluk oranını Random Forest ve SVM algoritmalarının verdiği görülmüştür.Conference Object Category Prediction of Turkish Poems Using Artificial Intelligence and Natural Language Processing Methods With Mlp and Svm Algorithms(2023) Korkmaz, Sedat; Yönet, EmrePeople are able to communicate with each other through language. The languages that people use are called natural languages. Natural languages such as English, Turkish, French, etc. are used for communication. Similarly, people can communicate with machines, and for this purpose, natural languages can be made understandable by machines by subjecting them to a series of processes. For this purpose, it is necessary to analyze the canonical structures of natural languages and make them understandable. This process is basically carried out on four levels of analysis: Lexical Analysis, Syntactic Analysis, Semantic Analysis, and Discourse Analysis. Natural Language Processing (NLP) is a branch of artificial intelligence that deals with the processing of natural language input in the form of speech and text. The use of NLP is prevalent in a variety of fields, such as intelligent virtual assistants, search engines, social media monitoring platforms, automatic translation systems, text summarization systems, and text categorization systems. This study presents a model for predicting the categories of Turkish poems using natural language processing and machine learning methods. The project code was written in Python using the Anaconda development environment. The Zemberek library was used to perform various operations on Turkish texts. The dataset used consisted of 4198 poems taken from a website and categorized into 21 categories. During the data preprocessing stage, the texts were converted to lower case, punctuation marks, spaces, and stop-words were removed and root extraction was performed. The Term Frequency-Inverse Document Frequency (TF-IDF) method was used for text representation and evaluated the success rates of models created using Support Vector Machine (SVM) and Multilayer Perceptron (MLP) classifiers. The findings indicated that the SVM classifier outperformed the MLP classifier.Article Citation - WoS: 3Citation - Scopus: 4Hybridization of Debohid With Enn Algorithm for Highly Imbalanced Datasets(Elsevier - Division Reed Elsevier india Pvt Ltd, 2025-03-01) Korkmaz, SedatMachine learning algorithms assume that datasets are balanced, but most of the datasets in the real world are imbalanced. Class imbalance is a major challenge in machine learning and data mining. Oversampling and undersampling methods are commonly used to address this issue. Edited Nearest Neighbor (ENN) and Synthetic Minority Oversampling Technique (SMOTE) are essential methods for undersampling and oversampling, respectively. DEBOHID is a recently proposed differential evolution-based oversampling approach for highly imbalanced datasets. In this work, DEBOHID and ENN methods are combined to present a novel hybrid method called D-ENN. The performance of D-ENN was evaluated using 44 highly imbalanced datasets. A parameter analysis was conducted on D-ENN to determine the optimal values for the F, CR and D-ENN-Type parameters. Three classifiers were used in the study: Support Vector Machines (SVM), Decision Tree (DT), and K-nearest Neighbor (kNN), and reported their G-mean and Area Under Curve (AUC) values. Upon evaluation of the average Winner, Mean Rank and Final Rank values obtained for each classifier and metric pair, the proposed D-ENN method demonstrated superior performance compared to nine state-of-the-art sampling methods, with an average Winner value of 13, an average Mean Rank value of 3.40 and an average Final Rank value of 1.Article Citation - WoS: 21Citation - Scopus: 24Boosting the Oversampling Methods Based on Differential Evolution Strategies for Imbalanced Learning(Elsevier, 2021-11-01) Korkmaz, Sedat; Sahman, Mehmet Akif; Çınar, Ahmet Cevahir; Kaya, ErsinThe class imbalance problem is a challenging problem in the data mining area. To overcome the low classification performance related to imbalanced datasets, sampling strategies are used for balancing the datasets. Oversampling is a technique that increases the minority class samples in various proportions. In this work, these 16 different DE strategies are used for oversampling the imbalanced datasets for better classification. The main aim of this work is to determine the best strategy in terms of Area Under the receiver operating characteristic (ROC) Curve (AUC) and Geometric Mean (G-Mean) metrics. 44 imbalanced datasets are used in experiments. Support Vector Machines (SVM), k-Nearest Neighbor (kNN), and Decision Tree (DT) are used as a classifier in the experiments. The best results are produced by 6th Debohid Strategy (DSt6), 1th Debohid Strategy (DSt1), and 3th Debohid Strategy (DSt3) by using kNN, DT, and SVM classifiers, respectively. The obtained results outperform the 9 state-of-the-art oversampling methods in terms of AUC and G-Mean metrics (C) 2021 Elsevier B.V. All rights reserved.