Geri Dön

Veri kümeleme algoritmalarının performansları üzerine karşılaştırmalı bir çalışma

A comperative study on performances of data clustering algorithms

  1. Tez No: 196996
  2. Yazar: MUSTAFA SEÇKİN DURMUŞ
  3. Danışmanlar: Y.DOÇ.DR. SERDAR İPLİKÇİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2005
  8. Dil: Türkçe
  9. Üniversite: Pamukkale Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 134

Özet

PAMUKKALE ÜNİVERSİTESİFEN BİLİMLERİ ENSTİTÜSÜTEZ ÖZET BİLDİRİ FORMUELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALIVERİ KÜMELEME ALGORİTMALARININ PERFORMANSLARI ÜZERİNEKARŞILAŞTIRMALI BİR ÇALIŞMAMustafa Seçkin DURMUŞÖZETBu tezde farklı veri kümeleme algoritmaları performanslarına göre karşılaştırmalı olarakincelenmiştir. Sık kullanılan kümeleme algoritmaları tanımlanmış ve bu algoritmalararasından, kümeleme işlemi sonunda oluşacak küme sayısının ve hangi verinin hangi kümeyeyerleştirileceğinin önceden bilinmediği (öğreticisiz öğrenme) algoritmalar karşılaştırmalıçalışma için seçilmiştir.Seçilen bu algoritmalar farklı üç veri seti üzerinde (MATLAB ortamında oluşturulanrasgele veri seti, iris çiçeği veri seti ve Avustralya yengeçlerinden oluşturulmuş veri seti)gürültüye dayanıklılık, işlemler için kullanılan hafıza, işlem süresi ve işlemler esnasındakullandıkları flop sayılarına göre karşılaştırılmışlardır.Tüm kümeleme algoritmaları veriye bağlıdır ve herhangi bir kümeleme algoritmasıtüm veri setleri için her zaman en iyi kümeleri oluşturmamaktadır. Bu nedenle, seçilen veriyeen uygun algoritma belirlenmelidir.Bu karşılaştırmalı çalışma için seçilen algoritmalar MATLAB benzetim programıkullanılarak gerçekleştirilmiş ve her üç veri seti için seçilen tüm algoritmalar farklı eşikdeğerleri için denenmiştir. Sonuçlar arasında karşılaştırmalar yapılmıştır.

Özet (Çeviri)

PAMUKKALE ÜNİVERSİTESİFEN BİLİMLERİ ENSTİTÜSÜTEZ ABSTRACT BİLDİRİ FORMUGRADUATE PROGRAM IN ELECTRIC ELECTRONIC ENGINEERINGA COMPARATIVE STUDY ON PERFORMANCES OF DATA CLUSTERING ALGORITHMSMustafa Seçkin DURMUŞABSTRACTIn this thesis, a comparative study on performances of different data clusteringalgorithms is considered. Commonly used clustering algorithms are defined and among thesealgorithms in which resulting cluster number and which data is going to be placed in whichcluster (unsupervised learning) are not to be known before clustering, were chosen forcomparative study.These algorithms are examined on three different data sets (A random data set generatedby MATLAB, the iris data set and the Australian crab data set) for their endurance of noise,memory used for processes, process time and flop numbers.All clustering algorithms are data dependent and an algorithm is not being always capablefor all data sets. Therefore, the most suitable algorithm must be determined for the chosendata set.Algorithms for this comparative study are realized by MATLAB and all algorithms aretested for different threshold values. Comparisons were made between different results.

Benzer Tezler

  1. Atıksu arıtma tesislerinde biyolojik oksijen ihtiyacının (BOİ5) kaba kümeleme ve makine öğrenmesi hibrit yaklaşımı ile tahmini

    Prediction of biochemical oxygen demand (BOD5) in wastewater treatment plant with rough set and machine learning hybrid approach

    MUHAMMED ALPEREN ŞERİFOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ORHAN TORKUL

  2. Bölünmeli kümeleme yöntemleri ile veri madenciliği uygulamaları

    Data mining applications using partitional clustering methods

    MELTEM IŞIK

    Yüksek Lisans

    Türkçe

    Türkçe

    2006

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Elektronik ve Bilgisayar Eğitimi Ana Bilim Dalı

    YRD. DOÇ. DR. ÖZGÜL VAYVAY

  3. Makine öğrenme algoritmalarıyla hatalı ürün tahmini

    Prediction of defective product with machine learning algorithms

    ENES ŞANLITÜRK

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. FERHAN ÇEBİ

  4. New proposed methods for synthetic minority over-sampling technique

    Sentetik azınlık aşırı örnekleme tekniği için yeni önerilen yöntemler

    HAKAN KORUL

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Veri Mühendisliği ve İş Analitiği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN

  5. Short term electricity load forecasting with deep learning

    Derin öğrenme ile kısa dönemli elektrik yük talep tahmini

    İBRAHİM YAZICI

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA