Geri Dön

Mekânsal-zamansal veri madenciliği yörüngelerin durma ve hareket algoritmaları

Spatio-temporal data mining stop and move trajectory algorithms

  1. Tez No: 322552
  2. Yazar: FERHAT BOZKURT
  3. Danışmanlar: DOÇ. DR. A.SAMET HAŞILOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2012
  8. Dil: Türkçe
  9. Üniversite: Atatürk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 125

Özet

Lokasyon tabanlı hizmetlerde son zamanlardaki gelişmeler ile mekânsal-zamansal veri madenciliği alanında hareketli nesnelerden yararlı bilgi çıkarımı giderek artmaktadır. Yörünge verileri, sağlık sistemi, turizm, trafik yönetimi, ulaşım ve göç gibi birçok uygulamada giderek önemli bir rol oynamaktadır. Bu tezde, mekân ve zamana göre hareketli nesnenin izlenme tarihçesi sonucunda oluşan hareketli nesne verileri ile ilgilenmekteyiz. Hareket bilgileri somut veya soyut nesnelere ait olabilir. Mekânsal-zamansal veri madencilğinde yörüngelerin durma ve hareket algoritmaların amacı bir hareketi anlamaya yönelik hareket desenleri olabileceği gibi, bir dizi hareketin gerçekleşmesini takiben bir sonraki benzer hareketin tahmin edilebilmesine yönelik de olabilecektir. Bu tezde, günümüzde mekânsal-zamansal veri madenciliği yörünge durma ve hareket algoritmalarına ek olarak zamanla yarışılan bazı kritik problemlerde yörüngelerde belirsiz veri probleminin üstesinden gelmek adına bulanık mantık kümeleme yöntemlerinin kullanılması üzerine çalışılmıştır. Kümeleme tabanlı bir yaklaşım olan CB-SMoT algoritmasında bilinmeyen durma sayılarının fazla olması üzerine bu bilinmeyen durma sayısını azaltma ve algoritmanın çalışma zamanın düşürmek için bulanık kümeleme yöntemleri uygulanmıştır. Sonuç olarak daha az bilinmeyen durma ve daha kısa çalışma zamanları elde edilmiştir.

Özet (Çeviri)

Extraction of useful information on moving objects is increasing in the field of spatial-temporal data mining via recent developments in location-based services. Trajectory data play an essential role in expanding many applications such as, healthcare system, tourism, traffic management, transportation and migration. In this thesis, we are interested in moving object data which occurs as a result of moving object tracking history according to time and space. Moving object datasets typically include the trajectories of concrete objects (e.g. humans, vehicles, animals or goods), as well as the trajectories of abstract concepts (e.g. spreading diseases or viruses). Thus, the development of a spatio-temporal stop and move trajectory algorithm to left behind moving object trajectory data for moving object datasets can be suited to the needs of diverse application domains. Based on movement patterns, make predictions about the future status of the moving object is an important development for many areas. Moreover, the using fuzzy clustering methods to overcome the problem of uncertain data on the trajectory data are also great benefit for some time-critical problems (for example, the prediction of a fatal illness spread). These algorithms aim to understand the movement pattern but also predict the movement that follows a series of similar movements. CB-SMoT algorithm, which is based on clustering approach, produces the more unknown stop and more execution time. So, fuzzy clustering methods have been applied to CB-SMoT algorithm in order to reduce unknown stops and execution time.

Benzer Tezler

  1. Sağlık sektöründe aykırı verilerin algılanması ve yorumlanması için mekânsal-zamansal veri madenciliği kullanımı

    Using of spatio-temporal data mining for trajectory outlier detection and interpretation in health care services

    ŞEYMA YÜCEL ALTAY

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ABDULSAMET HAŞILOĞLU

  2. Mekansal-zamansal veri madenciliğinde kümeleme analizi

    Clustering analysis in spatio-temporal data mining

    TURGUT ÖZALTINDİŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    İstatistikMimar Sinan Güzel Sanatlar Üniversitesi

    İstatistik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ELİF ÖZGE ÖZDAMAR

  3. Mekânsal zamansal veri madenciliğinde sınıflandırma ile suç verilerinin tahmini

    Forecast of crime data by classification in spatio-temporal data mining

    MUHAMMED ÇAĞRI AKSU

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. TOLGA AYDIN

  4. Birliktelik kuralları ile Van Gölü için mekânsal-zamansal veri madenciliği

    Spatio-temporal data mining with association rules for Lake Van

    MUHAMMED FATİH ALAEDDİNOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. TOLGA AYDIN

  5. FSOLAP: A fuzzy logic-based spatial OLAP framework for spatial-temporal analytics and querying

    FSOLAP: Uzamsal-zamansal analitik ve sorgulama için bulanık mantık tabanlı uzamsal OLAP çerçevesi

    SİNAN KESKİN

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADNAN YAZICI