Kümeleme algoritmaları ve paralelleştirilmeleri
Clustering algorithms and their parallelization
- Tez No: 371440
- Danışmanlar: DOÇ. DR. BURAK ORDİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Matematik, Computer Engineering and Computer Science and Control, Mathematics
- Anahtar Kelimeler: Kümeleme, Paralel hesaplama, Clustering, Parallel computing
- Yıl: 2014
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kümeleme (veya Küme Analizi), verilerin belirli bir benzerlik ölçütüne göre kümelere ayrılmasını amaçlayan bir veri analizi tekniğidir. Diğer bir deyişle, birbirine benzer verilerin bir arada yer aldığı homojen grupları belirleme işidir. Kümelemede ele alınan veri setleri genellikle çok büyüktür. Bu yüzden, geliştirilen yöntemlerin hızı, kümelemedeki başarısı kadar –kimi zaman daha fazla– öneme sahiptir. Her iki yönden de başarılı yöntemler var olsa da, işin doğası nedeniyle potansiyel işlem yükü hala ağırdır. Temel kümeleme algoritmaları seri bir makine modeliyle geliştirilmiştir ve modern bir bilgisayardan kapasitesinin altında verim sağlayabilirler. Bu handikapı aşmanın yolu, yöntemleri paralel hesaplamaya uygun hale getirmektir. Bu tezde, kümeleme yöntemleri ve paralel hesaplama araçları çeşitli açılardan incelenmiş, kümeleme başarısı yüksek iki algoritmanın paralel versiyonları önerilmiştir. Bu algoritmalar, C programlama dili ve OpenMP uygulama programlama arayüzü kullanılarak programlanmış ve alt programları barındıran bir kütüphane oluşturulmuştur. Önerilen yöntemler, teorik ve deneysel olarak analiz edilerek paralelleştirmenin etkisi gösterilmiştir.
Özet (Çeviri)
Clustering (or Cluster Analysis) is a data analysis technique that intends to cluster data according to some similarity measure. In other words, it is a task of identifying homogeneous groups consisting of analogous data. The data sets handled in clustering are usually very large. Thus, the speed of the developed methods is as important as –sometimes more important than– their clustering efficiency. Even though there are methods which are successful in both aspects, the potential work load remains heavy by the nature of the task. Fundamental clustering algorithms are developed using a serial machine model and can achieve a limited efficiency on a modern computer. The way to overcome this handicap is to tailor these methods for parallel computing. In this thesis, clustering methods and parallel computing tools are studied from various aspects, and parallel versions of two clustering algorithms with high clustering efficiency are proposed. These algorithms are then programmed using C programming language and OpenMP application programming interface, and a library containing the subprograms is organized. The effect of the parallelization is presented by theoretically and experimentally analyzing the proposed methods.
Benzer Tezler
- Veri madenciliğinde kümeleme algoritmaları ve kümeleme analizi
Clustering algorithms in data mining and clustering analysis
YASEMİN KOLDERE AKIN
- Kümeleme analizine bulanık yaklaşım algoritmaları ve uygulamaları
Fuzzy approach algorithms to cluster analysis and its applications
NECATİ ALP ERİLLİ
Yüksek Lisans
Türkçe
2009
İstatistikOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
YRD. DOÇ. DR. YÜKSEL ÖNER
- Veri madenciliğinde sınıflandırma ve kümeleme algoritmaları ile COVID-19 şüphesi taşıyan hastaların değerlendirilmesi
Evaluation of patients with suspected of covid-19 using classification and clustering algorithms in data mining
BEYZA DURMAZ
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiOndokuz Mayıs ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DOÇ. DR. ASLI ÇALIŞ BOYACI
- İkili kümeleme algoritmaları için parametre optimizasyonu: NSGA-II ve TOPSIS yöntemleri ile etkileşimli bir r-Shiny arayüzü
Parameter optimization for biclustering algorithms: An interactive r-Shiny interface using NSGA-II and TOPSIS methods
AHMET KOCATÜRK
- Perakende sektöründe kümeleme algoritmaları ile müşteri segmentasyonu ve RFM modeli
Customer segmentation and RFM analysis using clustering algorithms in retail industry
SAMET KANCA
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YAKUP ÇELİKBİLEK