Artımlı mekân-zamansal kümeleme algoritmasının geliştirilmesi
Developing incremental spatio-temporal clustering algorithm
- Tez No: 317813
- Danışmanlar: YRD. DOÇ. DR. METE ÇELIK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Veri Madenciliği, Mekân-Zamansal Kümeleme, Artımlı ST-DBSCAN, Gerçek-Zamanlı Veri Analizi, Data Mining, Spatio-Temporal Clustering, Incremental ST-DBSCAN, Real-Time Data Analysis
- Yıl: 2012
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 52
Özet
ARTIMLI MEKÂN-ZAMANSALKÜMELEME ALGORİTMASININ GELİŞTİRİLMESİIsmael Shakir SHUKURErciyes Üniversitesi, Fen Bilimleri EnstitüsüYüksek Lisans Tezi, Temmuz 2012Danışman: Yrd. Doç. Dr. Mete ÇELİKÖZETVeri madenciliğinde kullanılan mekân-zamansal kümeleme algoritmalarından birisi olan ST-DBSCAN, yoğunluk-tabanlı kümeleme algoritmasıdır. ST-DBSCAN algoritması her ne kadar statik veri kümelerinde verimli gözükse de, gerçek-zamanlı dinamik veri kümelerinin analizi için yetersiz kalmaktadır.Bu çalışmada gerçek-zamanlı veri kümelerinin artımlı olarak analizi için bir algoritma önerilmiştir. Önerilen, Artımlı ST-DBSCAN, algoritmasının performansı klasik ST-DBSCAN algoritmasının performansı ile gerçek veriler kullanılarak karşılaştırılmıştır.Yapılan deneyler sonucunda geliştirilen algoritmanın dinamik verilerin analizinde büyük başarı sağladığı tespit edilmiştir.
Özet (Çeviri)
DEVELOPING INCREMENTALSPATIO-TEMPORAL CLUSTERING ALGORITHMIsmael Shakir SHUKURErciyes University, Graduate School of Natural and Applied SciencesM.Sc. Thesis, July 2012Supervisor: Assist. Prof. Dr. Mete CELIKABSTRACTST-SDBSCAN is one of the density based spatio-temporal clustering algorithms that used in data mining. Although ST-DBSCAN clustering algorithm may seem efficient in static data sets, it is inefficient for analyzing real-time dynamic data sets.In this study, an incremental clustering algorithm is developed to analyze real-time data sets. The performance of proposed incremental ST-DBSCAN algorithm is compared with the performance of classic ST-DBSCAN algorithm.According to the results of experiments, the proposed algorithm outperforms classic ST-DBSCAN for analyzing dynamic data sets.
Benzer Tezler
- Artımlı karışık-sürü mekân-zamansal eş-oluşum örüntü madenciliği
Incremental mixed-drove spatio-temporal co-occurrence pattern mining
RAMAZAN TERZİ
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. METE ÇELİK
- Türkiye'nin kuzey-batı bölgesindeki yüzeydeformasyonlarının yüksek çözünürlüklü insar verileriyardımı ile gözlenmesi: Asismik slip ve çöküntü olguları
Monitoring of surface deformation in northwest turkey from high resolution insar : Focus on tectonic aseismic slip and subsidence
GÖKHAN ASLAN
Doktora
İngilizce
2019
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiKatı Yer Bilimleri Ana Bilim Dalı
PROF. DR. ZİYADİN ÇAKIR
- Durusu kumul ağaçlandırmasında ağaç kütlesinde depolanan karbon miktarının farklı modeller ile tahmini
Estimation of tree carbon stocks with different models in durusu coastal sand dune plantations
SERVET PEHLİVAN
Doktora
Türkçe
2017
Ormancılık ve Orman Mühendisliğiİstanbul ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
PROF. DR. DOĞANAY TOLUNAY
- Van Gölü civarının (Doğu Anadolu) tektonik gelişiminin ve deformasyonunun paleomanyetik çalışmalar ile incelenmesi
Investigation of the tectonic evolution and deformation around the Lake Van (Eastern Anatolia) using palaeomagnetic studies
SERCAN KAYIN
Doktora
Türkçe
2019
Jeofizik Mühendisliğiİstanbul Teknik ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TURGAY İŞSEVEN