ABSTRACT Master of Science Thesis ANALYSIS OF HUGE DATA VOLUMES WITH ROUGH SETS THEORY SEDAT TELÇEKEN Anadolu University Graduate School of Natural and Applied Sciences Computer Engineering Program Supervisor: Dr.Ahmet BABANLI 2003, 94 pages This thesis was intended to ascertain the disease of the patients who suffer from many symptoms, using the minimum number of symptoms. In this project, it has been studied with the data collected from the patients of Osmangazi University, Faculty of Medicine, Department of Neurology. The Rough Sets Theory is used for classification. Diseases and the symptoms of the diseases were arranged according to the theory. As a result of the arrangements, the Information table and the Discernibility Matrix were obtained. The Bool functions for distinguishing the objects were built and based on these functions the core characteristics are determined. The core characteristics were compared again and the dependent distinguishing functions were obtained. After that, status- decision informations were obtained and the decision was made. These operations were tested and visualized using the ROSETTA progam. The obtained decision rules were evaluated and the results were generated. Keywords: Rough Sets Theory, Classification, Headaches, Data Analysis u.

ÖZET Yüksek Lisans Tezi KABA KÜMELER TEORİSİ YARDIMI İLE BÜYÜK VERİ TOPLULUKLARININ ANALİZİ SEDAT TELÇEKEN Anadolu Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Anabilim Dalı Danışman: Doç.Dr.Ahmet BABANLI 2003, 94 sayfa Bu tezde, çok sayıda baş ağrısı belirtisine sahip hastaların; hangi baş ağrısı hastalığına ait olduğu, mümkün olan en az sayıdaki belirtiyle saptanması ele alınmıştır. Osmangazi Üniversitesi Tıp Fakültesi Nöroloji Anabilim Dalı' na başvuran farklı hastalardan alınan verilerle çalışılmıştır. Sınıflandırma için Kaba Kümeler Teorisi (Rough Sets Theory) kullanılmıştır. Hastalıklar ve hastalık belirtileri teoriye bağlı olarak düzenlenmiştir. Düzenlemeler sonucunda bilgi tablosu ve ayırt edici matris (Discernibility Matrix) elde edilmiştir. Nesnelerin birbirinden ayırt edilebilmesi için gereken Bool fonksiyonları oluşturulmuş ve onların bazında çekirdek nitelikler ortaya çıkartılmıştır. Çekirdek nitelikler, tekrar karşılaştırılarak buradan bağıl ayırt edici fonksiyonlar bulunmuştur. Daha sonra durum-karar bilgileri ortaya çıkartılarak bir sonuca varılmıştır. Bu işlemler ROSETTA programı kullanılarak test edilmiş ve görselleştirilmiştir. Ortaya çıkan karar kuralları sonucunda bir değerlendirme yapılarak sonuçlar sunulmuştur. Anahtar Kelimeler: Kaba Kümeler Teorisi, Sınıflandırma, Başağrıları, Veri Analizi W`V /.