Geri Dön

Kümeleme analizinde melez evrimsel algoritmalar üzerine bir çalışma

A study of hybrid evolutionary algorithms for cluster analysis

  1. Tez No: 327229
  2. Yazar: AYTUĞ ONAN
  3. Danışmanlar: PROF. DR. M. SERDAR KORUKOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: kümeleme analizi, karınca kümeleme algoritmaları, yığın birleştirme, melez algoritmalar, K-ortalama, AntClass, cluster analysis, ant clustering algorithms, heaps merging, hybrid algorithms, K-means, AntClass
  7. Yıl: 2013
  8. Dil: Türkçe
  9. Üniversite: Ege Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 110

Özet

Kümeleme analizi, veri madenciliği, örüntü tanıma, makine öğrenmesi, görüntü işleme gibi pek çok farklı alanda kullanılan önemli bir veri analiz tekniğidir. Kümeleme probleminde etkin çözümler elde edebilmek amacıyla, melez algoritmalar sıklıkla kullanılmaktadır. Bu çalışma kapsamında, karınca kümeleme ve K-ortalama algoritmalarına dayanan, AntClass kümeleme algoritmasının gerçekleştirimi yapılarak, bu algoritma sonucu elde edilen küme sayısını iyileştirmek ve algoritmanın daha iyi başarım elde etmesini sağlamak için iki farklı yığın birleştirme yaklaşımı sunulmuştur. Geliştirilen yeni yaklaşım, standart AntClass algoritması ve K-ortalama algoritması, kümelemede sıklıkla kullanılan veri setleri ile F-ölçütü, rand indeksi, küme içi varyans gibi başarım ölçütlerine dayalı olarak karşılaştırılmış ve önerilen yaklaşım ile daha iyi sonuçlar elde edildiği gözlenmiştir.

Özet (Çeviri)

Cluster analysis, used in many different areas, such as data mining, pattern recognition, machine learning, is an important data analysis technique. Hybrid algorithms are frequently applied in cluster analysis to obtain efficient solutions. In this study, we have implemented AntClass, a hybrid clustering algorithm based on ant clustering and K-means algorithms. In order to improve the number of clusters generated and the performance of the algorithm, two different heaps merging approaches are proposed. The proposed approaches are compared to K-means and AntClass algorithms with popular clustering data sets based on evaluation metrics, such as F-measure, rand index, inner cluster variance. The experimental results indicate the superiority of the proposed approach.

Benzer Tezler

  1. Kendilenmiş mısır hatlarının moleküler ve morfolojik karakterizasyonu

    Molecular and morpholojical characterisation of maize inbred lines

    ABDURRAHMAN EŞREF ÖZBEY

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    ZiraatTekirdağ Namık Kemal Üniversitesi

    Tarla Bitkileri Ana Bilim Dalı

    PROF. DR. ZAHİT KAYIHAN KORKUT

  2. Hiperspektral görüntülerde yarı güdümlü öğrenme teknikleri

    Semi supervised learning techniques on hyperspectral images

    MUHAMMET SAİD AYDEMİR

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÖKHAN BİLGİN

  3. Predictors of hybrid organizational identity: Evidence from the Turkish theatre field, 1923-1999

    Melez örgütsel kimliklerin belirleyicileri: Türkiye tiyatro alanından bulgular, 1923-1999

    ÖZGE CAN

    Doktora

    İngilizce

    İngilizce

    2013

    İşletmeSabancı Üniversitesi

    PROF. DR. BEHLÜL ÜSDİKEN

  4. Bodur taze fasulye genotiplerinin sonbahar, ilkbahar ve yaz dönemlerinde agro-morfolojik özellikleri, bitki gelişimi ve verim potansiyellerinin araştırılması

    Investigation of agro-morphological properties, plant development and production potentials of stunning fresh bean genotypes in autumn, spring and summer periods

    BARIŞ KUZKUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    ZiraatAkdeniz Üniversitesi

    Tarımsal Biyoteknoloji Ana Bilim Dalı

    PROF. DR. FAİK KANTAR

  5. Dendritik nöron model yapay sinir ağlarına dayalı yeni sezgisel bulanık zaman serisi öngörü yöntemleri

    New intuitionistic fuzzy time series forecasting methods based on dendritic neuron model artificial neural networks

    TURAN CANSU

    Doktora

    Türkçe

    Türkçe

    2024

    İstatistikGiresun Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. EREN BAŞ

    PROF. DR. TAMER AKKAN