Geri Dön

Veri madenciliği metotlarından olan kümeleme algoritmalarının uygulamalı etkinlik analizi

Efficiency of clustering algorithms using in data mining

  1. Tez No: 181880
  2. Yazar: TAMER ALTINTAŞ
  3. Danışmanlar: Y.DOÇ.DR. İBRAHİM ÇİL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2006
  8. Dil: Türkçe
  9. Üniversite: Sakarya Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 63

Özet

Hızla gelişen bilgisayar teknolojileri ile artık verileri veri ambarlarında saklamak çokkolaylaştığı gibi verilerin boyutları da inanılmaz seviyelere gelmiştir. Böyle büyükboyutlardaki verilerden işimize yarayacak, geleceği daha iyi görebilmemizi vetahminler yapabilmemizi sağlayacak bilgileri elde etmenin en kullanışlı yolarındanbiri de veri madenciliği yöntemleridir.Bu çalışmada veri madenciliği yöntemlerinden olan kümeleme algoritmalarıderinlemesine incelenmiştir. Bir bankanın müşteri bilgilerini barındıran bir veritabanı üzerinde yapılan kümeleme çalışması ile bankanın müşterilerini kredileriniödeme durumlarına göre kümelere ayırması sağlanmıştır. Bu işlem yapılırkenkümeleme algoritmalarından K-means, EM (Expectation Maximization) ve Cobwebalgoritmaları kullanılmış ve bunların karşılaştırılmasına olanak sağlanmıştır.

Özet (Çeviri)

The major reason that data mining became one of the hottest current technologies ofthe information age is the wide availability of huge amounts of data and the need forturning such data into useful information and knowledge. As computer systemsgetting cheaper and computer power increases, the amount of data available to becollected and processed increases. Therefore using techniques that operates very wellwith large amounts of data becomes an obvious choice. The information andknowledge gained can be used for applications ranging from business management,production control, and market analysis, to engineering design and scienceexploration. In this study, clustering alghorythms were discussed with anapplication.

Benzer Tezler

  1. Hiyerarşik kümeleme metotları ile veri madenciliği uygulamaları

    Data mining applications using hierarchical clustering algorithms

    MERAL DEMİRALAY

  2. Veri madenciliğinde kümeleme analizi yöntemi uygulaması

    A Cluster analysis application on data mining

    TURGAY TUGAY BİLGİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2003

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı

    DOÇ. DR. YILMAZ ÇAMURCU

  3. Improving efficiency of the solutions for class imbalance problems using data mining techniques

    Veri madenciliği tekniklerini kullanarak sınıf dengesizlik problemleri için çözümlerin verimliliğinin artırılması

    IZHAN FAKHRUZI

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BETÜL BOZ

  4. Fast and efficient frequent itemset detection by a novel clustering method

    Yeni bir kümeleme metodu ile hızlı ve etkili şekilde sık rastlanan öğe seti bulunması

    HÜSEYİN ARIK

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SELİM NECDET MİMAROĞLU

  5. Applying classification methods on traffic dataset

    Trafik verisi üzerinde sınıflandırma yöntemlerinin kullanılması

    MUSTAFA ÇIRKA

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. METE ÇELİK