A methodology of swarm intelligence application in clustering based on neighborhood construction
Kümelemede komşuluk kurmaya dayalı sürü zekası uygulama metodolojisi
- Tez No: 285592
- Danışmanlar: PROF. DR. NUR EVİN ÖZDEMİREL, PROF. DR. SİNAN KAYALIGİL
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2011
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Bölümü
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 328
Özet
Bu tezde, küme sayısının bilinmediği, değişik şekilde kümeler ve yoğunluk farklılıkları içeren veriler için kümeleme problemini ele aldık.Yerel yoğunluk ve bağlantı özelliklerini ortaya çıkaran, veri indirgeme ve kümelemeyi sağlayan üç metottan oluşan bir kümeleme metodolojisi önerdik. İlk metot, başta Gabriel çizgeleri olmak üzere çizge kuramı kavramlarını temel alarak ve noktalar arası bağlantı ve yoğunluk ilişkilerini kullanarak her veri noktası için kendine özgü bir komşuluk tanımlar. Sonrasında birbirlerine bağlı komşuluklar altkümeleri (örtüm) oluşturur. Bu altkümeler kümelerin temel iskeletini meydana getirir. İkinci metotta, hesaplamalı geometrideki dış şekil kavramı, veri indirgeme ve küme görselleştirme açalı uyarlanmıştır. Bu metot, dışbükey olmayan n-boyutlu verilerin dış şeklini Delaunay üçgenlemeyi kullanarak bulmaktadır. Üçüncü metotta, karınca kolonisi sezgiseli (KKS) kullanarak sürü zekasının kümeleme problemine uygulanabilirliği araştırılmıştır. Karıncalar verileri incelerler; böylece yoğunluk kırılmaları, bağlantılar ve uzaklık bilgileri kullanılarak kümeler tanımlanır. Önerilen KKS tabanlı algoritma, komşuluk kurma (KK) ve dış şekil oluşturma yöntemlerinin çıktılarını kullanır. Ayrıca, YK, aykırı değer bulma ve birleştirme aşamalarından oluşan, üç-aşamalı kümeleme algoritması önerilmiştir.Önerilen yaklaşımların güçlü ve zayıf yönleri, literatürden alınan veriler ile kontrollü bir şekilde meydana getirilen veriler kullanılarak kapsamlı deneyler ile test edilmiştir. KK, değişik şekilde kümeler ile küme içi ve küme dışı yoğunluk farklılıkları için etkili bulunmuştur. Dış şekil oluşturma algoritması, dışbükey kümelerde anlamlı azalmalar sağlamıştır. KKS tabanlı algoritma ve üç-aşamalı kümeleme algoritması iyi ayrılmış kümelerde umut verici sonuçlar vermiştir.
Özet (Çeviri)
In this dissertation, we consider the clustering problem in data sets with unknown number of clusters having arbitrary shapes, intracluster and intercluster density variations.We introduce a clustering methodology which is composed of three methods that ensures extraction of local density and connectivity properties, data set reduction, and clustering. The first method constructs a unique neighborhood for each data point using the connectivity and density relations among the points based upon the graph theoretical concepts, mainly Gabriel Graphs. Neighborhoods subsequently connected form subclusters (closures) which constitute the skeleton of the clusters. In the second method, the external shape concept in computational geometry is adapted for data set reduction and cluster visualization. This method extracts the external shape of a non-convex n-dimensional data set using Delaunay triangulation. In the third method, we inquire the applicability of Swarm Intelligence to clustering using Ant Colony Optimization (ACO). Ants explore the data set so that the clusters are detected using density break-offs, connectivity and distance information. The proposed ACO-based algorithm uses the outputs of the neighborhood construction (NC) and the external shape formation. In addition, we propose a three-phase clustering algorithm that consists of NC, outlier detection and merging phases.We test the strengths and the weaknesses of the proposed approaches by extensive experimentation with data sets borrowed from literature and generated in a controlled manner. NC is found to be effective for arbitrary shaped clusters, intracluster and intercluster density variations. The external shape formation algorithm achieves significant reductions for convex clusters. The ACO-based and the three-phase clustering algorithms have promising results for the data sets having well-separated clusters.
Benzer Tezler
- Trusted distributed artificial intelligence for critical and autonomous systems
Kritik ve otonom sistemler için mutemet dağıtık yapay zeka
MUHAMMED AKİF AĞCA
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolUniversity of LuxembourgBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. DJAMEL KHADRAOUI
- A refined methodology tor model-based FPGA hardware design: An example of quadrotor dynamical model implementation
Model tabanlı FPGA donanımı tasarımında iyileştirilmiş bir yöntem sistemi: Bir dört rotorlu için dinamik model gerçekleme örneği
SEZER MEMİŞ
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ RAMAZAN YENİÇERİ
- Diyabetik ayak hastalarının ampütasyon riskinin yapay zekâ teknikleri ile öngörülmesi
Prediction of amputation risk of patients with diabetic foot by artificial inteligence techniques
DENİZHAN DEMİRKOL
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
DOÇ. DR. ÇİĞDEM EROL
- Video object tracking with artificial neural network and artificial bee colony optimization method
Başlık çevirisi yok
ALI MOHAMMED AL-QARAGHULI
Yüksek Lisans
İngilizce
2021
Mühendislik BilimleriAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAHI ABDU IBRAHIM
- Elektrik dağıtım sistemlerinde birey odaklı konfor öncelikli talep yönetimi için akıllı yöntem geliştirilmesi
Developing an intelligent method for the user oriented comfort based demand response studies in the electricity distribution systems
MEHMET ALİ SÖNMEZ
Doktora
Türkçe
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA BAĞRIYANIK