Kümeleme analizine bulanık yaklaşım algoritmaları ve uygulamaları
Fuzzy approach algorithms to cluster analysis and its applications
- Tez No: 233440
- Danışmanlar: YRD. DOÇ. DR. YÜKSEL ÖNER
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2009
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 125
Özet
Kümeleme Analizinde amaç; gruplanmamış verileri benzerliklerine göre sınıflandırmak ve araştırmacıya işe yarar özet bilgiler sunmaktır. Son dönemlerde istatistiksel sınıflama konularında sık kullanılan kümeleme analizi; küme sayısı hakkında ön bilgi olduğu zaman daha güvenilir sonuçlar vermektedir. Bulanık modelleme ise, bulanık model yapılarıyla ilgilenir ve yapısı tam olarak bilinmeyen sistemlerin davranışlarını tahmin etmeye çalışır. Bulanık Kümeleme Analizi de üyelik dereceleri kesin olarak saptanamayan grupları ayrıştırmayı hedefler.Gözlem sayıları ve değişken sayıları arttıkça veya küme yapıları birbirlerine çok yakın olduğu durumlarda Bulanık Kümeleme Analizinin, diğer kümeleme yöntemlerine göre daha başarılı sonuçlar verdiği görülmüştür.Bu çalışmada; Kümeleme ve Bulanık Kümeleme Analizi yöntemleri tanıtılmış, aralarındaki farklar belirtilmiştir. Uygulama kısmında ise, Devlet Planlama Teşkilatının, illerin gelişmişlik göstergelerinde kullanılan sosyo-ekonomik veriler yardımıyla Türkiye'deki 81 il kümelere ayrılmıştır. Elde edilen sonuçların, gerçek ekonomik yapılarla tutarlı olduğu görülmüştür.
Özet (Çeviri)
The aim in cluster analysis, is to classify data in to similarity and perform useful knowledge for researchers. Cluster analysis, which became more popular among the subjects of statistical classification in recent years, can give more reliable results when there is apriori knowledge about number of clusters. Fuzzy models interested in fuzzy model structures and try to estimate system behaviours that has no knowledge about their structure. Fuzzy Cluster Analysis is try to decompose the groups which membership degrees can not be determined.When the number of data and variables increased or cluster structures came to closer for all, Cluster analysis has given more succesful results then the other cluster analysis methods. In this study; the Cluster analysis and fuzzy cluster analysis has been presented and the difference between them are discussed. In the application part, it tries to classify 81 cities in Turkey in to clusters by using State Planning Organisation socio-economic datas which are used for development indexes. The obtained results are consistent against to the real data.
Benzer Tezler
- Yapay sinir ağlarında öğrenme algoritmalarının analizi
Analysis of learning algorithms in neural networks
SEVİNÇ BAKLAVACI
Yüksek Lisans
Türkçe
1994
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiDOÇ.DR. LEYLA GÖREN
- Portfolio optimization with wavelet analysis and neural fuzzy networks
Dalgacık analizi ve bulanık sinir ağları modeli ile portföy optimizasyonu
ÖMER ZEKİ GÜRSOY
- Hiperspektral görüntülerin eğiticisiz bölütlenmesi
Unsupervised segmentation of hyperspectral images
GÖKHAN BİLGİN
Doktora
Türkçe
2009
Bilim ve TeknolojiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SARP ERTÜRK
PROF. DR. TÜLAY YILDIRIM
- Yönsel verilerin kümelenmesinde bulanık C-ortalamalar algoritması
Fuzzy C-means clustering algorithm for directional data
ÖZGE TEZEL
Yüksek Lisans
Türkçe
2014
İstatistikKaradeniz Teknik Üniversitesiİstatistik ve Bilgisayar Bilimleri Ana Bilim Dalı
YRD. DOÇ. DR. ORHAN KESEMEN